KevinSimback

Vừa mới nghe xong tập mới nhất của @theallinpod có cuộc thảo luận về “rant” của Alex Karp đã lan truyền trong tuần này
Nhận thức lớn nhất mà mọi người đang thức tỉnh là sự *thiếu hụt* lợi thế cạnh tranh khi sử dụng các mô hình tiên tiến
Nếu tất cả đối thủ của bạn đều sử dụng chúng, bạn sẽ không có sự khác biệt
Tệ hơn nữa, việc sử dụng các mô hình đó có thể khiến bạn đối mặt với rủi ro cạnh tranh nếu các phòng thí nghiệm quyết định lấy dữ liệu của bạn và tạo ra sản phẩm cạnh tranh với bạn (hãy hỏi Figma)
Điều điên rồ nhất là các mô hình này đắt hơn 5-100 lần so với các lựa chọn thay thế có thể

Hãy tưởng tượng những khả năng
Thị trường vốn suy luận x $ansem kết hợp
Tận dụng sự chú ý để tăng cường AI phi tập trung, thị trường tác nhân
cc @blknoiz06 và @0xgilbert

Tôi đã "Fable-maxxing" từ khi nó được kích hoạt lại
Theo chủ quan của tôi, nó hoạt động với tính chủ động theo cách mà không mô hình nào khác hiện tại làm được
Nó làm những gì tôi yêu cầu, sau đó tìm thấy những thứ quan trọng liên quan khác trên đường đi và cũng làm luôn những việc đó
Nó xử lý công việc như một người thực sự quan tâm

Trong khi mọi người đang bàn tán về Anthropic/OpenAI so với các mô hình nguồn mở của Trung Quốc
Hãy nhớ rằng còn có những tác nhân khác có thể đưa ra những thông báo lớn bất kỳ ngày nào để thay đổi cán cân
Dự đoán: sẽ có một thông báo lớn trong vòng 1-2 tuần tới

Viết mã là trường hợp sử dụng PMF không thể chối cãi của AI, nhưng hầu hết công việc tri thức vẫn còn một chặng đường dài phía trước
Viết mã hiệu quả vì tất cả ngữ cảnh đều nằm trong một kho git có phiên bản, có cấu trúc, tập trung tại một nơi, và thường có một bộ kiểm thử cho bạn biết điều gì là đúng
Công việc tri thức mặt khác dựa trên thông tin nằm rải rác ở nhiều nơi khác nhau - Slack, email, các hệ thống khác nhau, và thường là trong đầu mọi người
Vì vậy nếu bạn muốn tự động hóa công việc tri thức giống như mã, bạn cần một "kho ngữ cảnh" hay thường được gọi là "bộ não doanh nghiệp"

Sử dụng LLM làm giám khảo là cách đơn giản và dễ dàng nhất để tạo ra một vòng lặp
1. Làm điều bạn vẫn làm bằng cách gợi ý AI
2. Sử dụng một mô hình khác để đánh giá đầu ra và đưa ra phản hồi
3. Lặp lại cho đến khi cả hai đều hài lòng
Chỉ nhìn thấy đầu ra cuối cùng khi vòng lặp hoàn thành
Vì bạn đang sử dụng LLM làm giám khảo, điều này thường phù hợp nhất cho các tác vụ không xác định như nghiên cứu, thiết kế, xây dựng thông số kỹ thuật, v.v.
Sử dụng Looper để thực hiện việc này sẽ làm cho nó siêu dễ dàng bằng cách tinh chỉnh gợi ý của bạn để có một vòng lặp được xây dựng tốt hơn, thêm giám khả

Gây ra bởi PTSD, nếu bạn biết thì bạn biết

Vừa rời khỏi Italy giữa đợt nắng nóng này, tôi thực sự không hiểu sao điều hòa lại còn là vấn đề phải tranh cãi
Mọi người - kể cả dân địa phương - đều đang phàn nàn
Nóng bức trong nhà chỉ khiến người ta cáu kỉnh, lắp điều hòa ngay đi

Nếu bạn không phải là Mỹ hoặc Trung Quốc, tôi không hiểu sao bạn lại ngồi yên và trở thành người phụ thuộc vào họ để có được trí tuệ sẽ định hình tương lai
Bạn nghĩ rằng đây là một ưu tiên quốc gia để có một chiến lược ở đây
Tất nhiên, nói dễ hơn làm - bạn cần nguồn tiền lớn và tài năng để cạnh tranh với các phòng thí nghiệm biên giới
Bước đầu dễ nhất là xây dựng các trung tâm dữ liệu có chủ quyền và lưu trữ các mô hình trọng số mở hoặc các phiên bản đã huấn luyện lại - ít nhất bạn sở hữu một dạng trí tuệ nào đó
Các Các Tiểu vương quốc Ả Rập Thống nhất và Ả Rập Xê-út dường như đang đi

Nếu bạn đang thẩm định một startup mới, bây giờ bạn cần đánh giá khả năng “bản địa AI” của họ cùng với đội ngũ, sản phẩm và thị trường
Tại sao? Nếu họ không đi đầu trong việc sử dụng AI, điều đó đặt họ vào nguy cơ không thực hiện nhanh đủ
Nó không phải là một bộ lọc loại bỏ cứng, nhưng đó là tín hiệu - đây là một vài dấu hiệu sớm:
1. Họ có đưa cho bạn một tệp .md, cùng với một bản trình bày, mà bạn có thể đưa vào LLM của mình không?
2. Họ có xây dựng một bản trình bày HTML tương tác hay chỉ gửi một PDF/docsend?
3. Họ có nói về kỹ năng sở hữu, dữ liệu, đánh giá hoặc phương pháp họ đang sử dụng

Nếu bạn đang xem xét một startup mới, bạn hiện cần đánh giá khả năng “bản địa AI” của họ cùng với đội ngũ, sản phẩm và thị trường
Tại sao? Nếu họ không đi đầu trong việc sử dụng AI, điều đó đặt họ vào nguy cơ không thực hiện nhanh đủ
Nó không phải là một bộ lọc loại bỏ cứng, nhưng đó là một tín hiệu - đây là một vài dấu hiệu sớm:
1. Họ có đưa cho bạn một tệp .md, cùng với một bản trình bày, mà bạn có thể cung cấp cho LLM của mình không?
2. Họ có xây dựng một bản trình bày HTML tương tác hay chỉ gửi một PDF/docsend?
3. Họ có nói về kỹ năng sở hữu, dữ liệu, đánh giá hoặc phương pháp họ đang sử d

Đố bạn điều này:
Điều gì xảy ra khi GLM-6 ra mắt và có khả năng Fable/Mythos?
Không phải là vấn đề "nếu", mà là "khi nào"
Và hiểu các kịch bản cũng như hậu quả là vô cùng quan trọng

Một vấn đề lớn với tiền điện tử hiện nay là bạn phải giả định rằng mọi dự án token mới đều sẽ lừa đảo, dù cố ý hay không
Nhưng để trí tuệ nhân tạo phi tập trung hoạt động, bạn cần một số cơ chế phối hợp và token là lựa chọn hợp lý nhất
Chúng ta làm thế nào để hòa giải điều này?