@fchollet: The conjecture is wrong, here's an AI-generated counter example https://t.co/HTsV8JvaSj

令人震惊的稀释——奇点现在被重新定义为“新公司创建率有所上升”

奇点被重新定义为新公司创建率上升，与原意“未来完全不可想象”相去甚远。

@fchollet：定期提醒——公开ARC 3游戏集称为“演示集”，而非“评估集”或“训练集”。它不应用作训练数据或评估，其分数不代表真实表现。

公开ARC 3游戏集仅为演示集，非训练或评估集，其分数不具代表性。

@fchollet：Jeremy 的出色工作很好地展示了一种非常强大的方法：LLM 引导的即时符号世界模型合成，即通过编写可执行代码来编码你对世界因果机制的理解，从而理解世界。

LLM引导即时合成符号世界模型，用代码编码因果机制理解世界。

法肖莱：测试时训练在2024年ARC奖竞赛中流行起来，尤其由@MindsAI_Jack及其团队探索。迄今为止，我相信ARC 1-2是TTT表现显著优于其他方法的唯一数据集。如果TTT开始变得更加...

测试时训练经ARC奖2024流行，由MindsAI团队探索，目前仅在ARC 1-2上优势明显，期待其更广泛应用。

Expedia最近将其排序模型迁移至先进的Keras 3配置，训练提速30%，推理延迟降低70%。

Expedia采用Keras 3升级排序模型，训练快30%，推理延迟降70%。

@fchollet：编程并非又一个应用领域——而是AI借助符号世界模型自动开发自身训练材料所需的元技能，RSI循环正是由此真正启动。

编程是元技能：AI借助符号世界模型自动生成训练材料，从而启动RSI循环。

中文标题

建设者尊重建设者。最喧哗、最恶毒的仇恨者几乎总是那些从未建造过任何东西的人——无名空谈客。

@fchollet：事后看来，这是一个相当不错的投资论点。GPU、CPU、内存、数据中心供应商等，且该论点依然成立。

事后看来，投资GPU、CPU、内存及数据中心供应商是明智的，该投资逻辑至今依然成立。

@fchollet：关于谷歌衰亡的报道被过分夸大了。我不会低估他们。

谷歌并未衰亡，报道过于夸张，不可低估其实力。

@fchollet：在基础LLM扩展时代（2022-2024），我曾认为LLM研究方向会达到能力天花板（正如后来基础LLM所表现出的）

曾认为LLM扩展会触达能力天花板；o3测试时计算演示后改观：新模型展现真正流体智能。

@fchollet：Keras社区通话现在开始，加入链接见下方推文。

Keras社区通话开始，加入链接见推特。

Keras社区电话会议将在15分钟后开始！

Keras社区电话会议15分钟后开始，请准时参加。

@fchollet：随着智能体AI的兴起，工作流越发依赖CPU，认知向CPU转移的比例持续上升。

智能体AI使工作流更依赖CPU，认知负载持续向CPU迁移。

@fchollet：Keras社区会议将于本周五上午10点（太平洋时间）举行——团队将展示Keras生态系统的最新进展，特别是新的vLLM集成。

Keras社区会议周五10点PT召开，展示生态最新进展，重点为vLLM集成，任何人可加入。

@fchollet：我要明确一点：2023年和2024年初，我对LLM将扮演的角色判断有误，低估了其长期重要性。我已多次承认此事。

承认曾低估LLM长期重要性，2023至2024年初判断失误。

@fchollet：我本以为显而易见，但以防万一：一个百万行代码库（即“脚手架”）在推理时运行，为任何任务编排对神经网络的数千次调用，这正是“神经符号架构”的确切定义。

百万行代码库在推理时编排数千次神经网络调用，即神经符号架构。

@fchollet：为应对深度学习局限并避免停滞，AI领域开始应用补丁(1)，该补丁于2024年12月演示并已完全普及；然而长远来看，AI转向补丁不可避免。

AI为应对深度学习局限，采用补丁(1)，2024年12月演示，现已普及；长期必转向补丁。

@fchollet：我们需要开放框架来评估模型行为。讨论需基于可审计的测量，而非“我们vs他们”的情绪。

呼吁开放框架评估模型行为，讨论应基于可审计测量而非对立情绪。

@fchollet：关于ARC-AGI-3测试工具使用规范的快速提醒

禁止针对基准测试定制的工具，允许通用API设置。

@fchollet: 当前AI“讨论”中很大一部分与其说是技术能力，不如说是前沿实验室员工在应对自尊和身份认同

当前AI讨论多是员工应对自尊和身份认同，而非技术能力。

@fchollet：科学中不仅要报告成功的实验，也要报告失败的。AI也应如此。（真希望如此。）

科学需报告失败实验，AI亦然。

@fchollet: 一个非常有趣的概念——智能体不再针对静态基准或内部生成的奖励模型进行优化，而是通过真实的经济互动进行评估。将外部市场作为奖励信号的一部分，从根本上改变了优化问题。

以真实经济互动替代静态基准，外部市场信号重塑优化问题。

@fchollet：儿童个性的先天特质显而易见，因为他们尚未经历有意义的环境或自我引发的改变，展现原始天性。

儿童凸显先天个性，但长期经验会显著重塑人格。

@fchollet：人们习惯认为所有已知问题已有规范解法，且已最优，试图重造是徒劳的堂吉诃德式努力。

多数人误以为现有解法已最优，创新是徒劳，实则一切皆由人创造。

@fchollet：以发布新模型为重大里程碑的时代终将结束——未来它们将只是持续更新，不再有广泛宣传的版本号，可能不到两年。

模型发布里程碑时代将终结，转向持续更新且无版本号，预计不到两年。

@fchollet: Opus 5 在 ARC-AGI-3 上创下新纪录，达到30%

Opus 5 在无先验知识任务 ARC-AGI-3 上达 30% 新 SOTA，突破历史局限

中文标题

不确定旧金山人频繁使用“xyz-shaped”是因为大语言模型的影响，还是反过来。

@fchollet：始终牢记变化率比当前指标值更重要

谨记变化率比当前指标值更重要。

@fchollet：AI能力历来分布极不均衡，某些狭窄领域超人类，其他领域几乎无用。AI行业的基本营销伎俩是让你相信最高的尖峰就是地板。

AI能力分布呈尖峰状，行业营销用最高点冒充普遍基准。

@fchollet: All current debates about AI are predicated on the assumption that frontier AI training will always be expensive. But in the future, AI will not be based on the primitive stack of today, and both training and inference will be incredibly cheap.

@fchollet：模型精准执行指令能力飞速提升，但面对未覆盖情况决策能力停滞

模型执行精确指令能力提升极快，但面对未覆盖情形时决策能力停滞。

@fchollet：AfterLab 即将走出隐身——一家探索高效流体智能新路径的研究实验室。祝贺 Clem 和 Matt 获得资助！

AfterLab 正式公开，专注高效流体智能新方法研究，祝贺团队获资。

@fchollet：代码太强了。如果万物皆代码呢？

代码过于强大，设想万物皆代码的可能性。

@fchollet: 哥德尔式幽默是自指的

哥德尔式幽默的特征在于自我指涉。

@fchollet：对Harvinder和Suman在@airtap_ai的成果印象深刻，他们已将短信变成移动应用的无头代理执行层。

短信变无头代理，发文字即可后台操作应用。

@fchollet：万事层出不穷

世事繁多，纷至沓来。

@fchollet：标准强化学习基准是片段式和静态的，无法反映真实部署特性。Morpheus是一个新的持续学习基准，提供永不重置的持久模拟环境，目标会变化

Morpheus持续学习基准提供不重置的持久环境，目标动态变化，弥补标准RL基准不足。

尝试、失败、更新心智模型、再尝试的过程是智能的核心。我们应该赞美那些能优雅失败并即时适应的模型。

智能核心：尝试、失败、更新模型、再尝试。应赞美优雅失败并即时适应的模型。

@fchollet: 去年底前的弱AI代码生成提升了低技能程序员下限，但对高技能无益；强AI则彻底反转局面

弱AI代码提升低水平程序员，对高水平无用；强AI完全反转。

@fchollet：智能体编程半年进展惊人，如今已是新世界

智能体编程半年内突飞猛进，世界已截然不同。

@fchollet：尽管大语言模型的文风依然可辨，但新趋势是人类也开始自然地模仿其写作风格（这合乎情理：常读常仿）。这使得区分两者变得更难。

人类开始模仿LLM写作风格，导致人机文本更难区分。

@fchollet：报告基准结果仅用标量数字（如“75%”）已毫无意义，应始终报告效率分数（如“每任务成本$10时达到75%”）

基准结果应报告效率及成本，而非纯标量数字。

中文标题

现实皆可编程，关键在于建模。

@fchollet：未来将出现“潜在空间考古学家”，通过研究21世纪的模型权重，重建一个早已灭绝的文化

未来将通过分析21世纪AI模型权重，像考古学家一样重建已消失的文化。

@fchollet：这是一场抓住美国例外主义精髓的精彩演讲，其根基非先天优越、权力或财富，而在于世界弃儿可在此重新开始、重塑自我、实现潜力。

美国例外主义基于接纳弃儿重获新生，而非先天优越或财富。

@fchollet：长期唯一的瓶颈是信息和能源。

长期唯一的瓶颈是信息和能源。

@fchollet: 活到400岁的一个方法是每天做（并体验）5倍更多的事情

每天做5倍事，活400年。

@fchollet: 未来的工作需要高适应性和创造力，聚焦于复杂问题的构建而非重复执行或专业技能

未来工作需高适应性和创造力，重在复杂问题构建而非重复执行或专业技能。

@fchollet：回想起来...是的

@fchollet 表示回想起来确实如此。