ข้ามไปที่เนื้อหา
เฉพาะ ความเห็น#ข้อมูล / การเทรน
13 พฤศจิกายนวันศุกร์
  1. Hacker News · AI58

    AI เปลี่ยนสไตล์การเขียนของ Jørn Lier Horst จากการบรรยายผ่านการกระทำสู่การบรรยายภาพนิ่งอย่างไร

    Jill Walker Rettberg เปรียบเทียบนวนิยาย Den siste saken ที่ Jørn Lier Horst เขียนโดยใช้ AI ช่วย กับหนังสือสองเล่มก่อนหน้าในชุดเดียวกัน และพบว่าข้อความที่ AI จำแนกนั้นใช้คำนามและคำคุณศัพท์มากกว่า แต่ใช้คำสรรพนามและคำกริยาน้อยกว่า เธอรายงานว่าส่วนที่ AI ระบุนั้นพึ่งพาการบรรยายฉากแบบนิ่งและสำนวนซ้ำ ๆ เช่น เสียงฮัม ความเงียบ และอากาศหนักอึ้ง ขณะที่นวนิยายก่อนยุค ChatGPT ถ่ายทอดฉากผ่านการกระทำของตัวละคร Horst กล่าวว่าเขาใช้ ChatGPT เพียงเพื่อการค้นคว้าและการแก้ไขระดับประโยคเท่านั้น และ Rettberg โต้แย้งว่าการใช้งานในระดับนี้ยังคงเปลี่ยนแปลงตัวบทเอง

  2. Hacker News · AI34

    e-means: k-means 变体ที่เร็วกว่าและ Jevons Paradox ของการทำ clustering ที่ถูกลง

    e-means เป็น k-means 变体ใหม่ที่อัปเดต centroid อย่างต่อเนื่องภายในแต่ละรอบโดยใช้ mini-batch และ exponential moving average โดยเข้าถึง test loss ของ full-batch k-means ใน 2.5 epoch แทนที่จะเป็น 25 เมื่อทำ clustering 10 พันล้าน DINO embeddings เป็นประมาณ 16.7 ล้าน clusters โดยคง objective เดิมและ convex nearest-centroid geometry ไว้ พร้อม fitted scaling laws ที่กำหนด batch size และ update rate โดยอัตโนมัติ ผู้เขียนโต้แย้งว่าการรันที่ถูกลงหมายถึงการลองค่า k มากขึ้น แทนที่จะลดค่าใช้จ่ายด้าน compute

  3. MIT News22

    Eric Toone ประธานเจ้าหน้าที่ฝ่ายเทคนิคของ Breakthrough Energy ว่าด้วยต้นทุนของการลดคาร์บอน

    Eric Toone ประธานเจ้าหน้าที่ฝ่ายเทคนิคของ Breakthrough Energy กล่าวในงานประชุม Energizing@MIT ของ MIT Energy Initiative ว่าการลดคาร์บอนของเศรษฐกิจโลกจะต้องใช้เงินประมาณ 7.5 ล้านล้านดอลลาร์ หรือราว 5 เปอร์เซ็นต์ของ GDP โลก แต่ผู้คนไม่ยินดีจ่ายค่าพรีเมียมสีเขียว Breakthrough Energy Ventures ได้ลงทุนไปประมาณ 3 พันล้านดอลลาร์ในบริษัทราว 140 แห่ง รวมถึง Luxwall ซึ่งหน้าต่างฉนวนกันความร้อนของบริษัทช่วยประหยัดพลังงานได้ 30 เปอร์เซ็นต์ในอาคารพาณิชย์แห่งหนึ่ง

10 พฤศจิกายนวันอังคาร
  1. Latent Space58

    สิ่งที่ Frontier Labs ซื้อ: เจาะลึกข้อมูลกับ Garrett Lord และทีมจาก Handshake AI

    ธุรกิจฝึก AI ของ Handshake เติบโตจากการเปิดตัวสู่รายได้รวมต่อปีแบบ annualized 1 พันล้านดอลลาร์ภายในเวลาประมาณหนึ่งปี และการเจาะลึกของ Latent Space กับ Garrett Lord และทีมของเขาครั้งนี้พาไปดูสภาพแวดล้อม reinforcement learning ที่ frontier labs ซื้อ ในเดโมด้านการเงิน เอเจนต์ที่ทำงานกับอีเมลและไฟล์ดีลของธนาคารจำลองนำตัวเลข goodwill ไปใส่ใน Python แล้วลบออก ซึ่งเป็นความผิดพลาดที่แสดงให้เห็นว่าการตัดสินใจของผู้เชี่ยวชาญยังเหนือกว่าโมเดลตรงจุดใด ทีมยังนำเสนอ VIALS ซึ่งเป็น benchmark สำหรับตีความภาพวิทยาศาสตร์ และติดตามการเรียกเครื่องมือของเอเจนต์ผ่านการจำลองด้านความปลอดภัย รวมถึง CAREBench

30 ตุลาคมวันศุกร์
  1. ChinaTalk38

    ครึ่งหนึ่งของพลังประมวลผล AI ของจีนถูกใช้ไปกับงานไร้คุณภาพจริงหรือ?

    ข้อกล่าวอ้างที่แพร่กระจายอย่างกว้างขวางว่า 55% ของโทเค็น AI ของจีนถูกใช้ไปกับละครสั้นและการสร้างวิดีโอ ซึ่ง traced ไปยังการประชุมนักลงทุนในเดือนมิถุนายนของ COL Group ได้รับการโต้แย้งจาก ByteDance ซึ่งระบุว่าการสร้างวิดีโอคิดเป็นเพียงประมาณ 10% ของพลังประมวลผลของบริษัทเอง และจาก People's Daily มากกว่า 90% ของละครสั้นขนาดเล็กประมาณ 430,000 เรื่องที่เผยแพร่ในช่วงแปดเดือนแรกของปี 2026 เป็นผลงานที่ผลิตด้วย AI และคลิป 720p ความยาวห้าวินาทีบน Seedance ของ ByteDance มีต้นทุนประมาณ 100,000 โทเค็น

27 ตุลาคมวันอังคาร
  1. Redwood Research22

    Redwood Research เสนอให้เร่งความสามารถในการให้เหตุผลเชิงแนวคิดของ AI

    Redwood Research เสนอว่าความสามารถในการให้เหตุผลเชิงแนวคิดของ AI ซึ่งเป็นงานอย่างปรัชญาที่ไม่มีคำตอบที่ตรวจสอบได้ ควรได้รับการเร่งพัฒนาแบบแตกต่าง เนื่องจากงานวิจัยและพัฒนา AI และการยึดครองนั้นพึ่งพาการให้เหตุผลประเภทนี้น้อยกว่ามาก ทีมงานกล่าวว่าเทคนิคการดึงความสามารถพื้นฐานและการฝึกขนาดเล็กสามารถทำให้โมเดลดีขึ้นได้สามถึงสิบสองเดือนในเกณฑ์วัดการให้เหตุผลเชิงแนวคิดหลักของตน และระบุว่าขณะนี้พื้นที่นี้ถูกละเลยและได้รับการลงทุนน้อยเกินไปจากชุมชนความปลอดภัยของ AI

17 ตุลาคมวันเสาร์
  1. Big Technology42

    ซีอีโอ Rivian RJ Scaringe: หุ่นยนต์กำลังพัฒนารวดเร็วกว่าที่คุณคิดมาก

    RJ Scaringe ซีอีโอของ Rivian กล่าวว่าความก้าวหน้าของหุ่นยนต์จะ "เร็ว เร็ว เร็ว และเร็วมาก" กว่าที่โลกคาดการณ์ โดยอ้างถึงหุ่นยนต์ที่ปัจจุบันเรียนรู้ทักษะกว้างๆ ที่สามารถนำไปใช้ทั่วไปได้ผ่านโมเดลที่อิง transformer สตาร์ทอัพ Mind Robotics ที่เขาก่อตั้งในปี 2025 ระดมทุนได้ 1 พันล้านดอลลาร์เพื่อสร้างหุ่นยนต์อุตสาหกรรมแบบสองแขนที่ขายให้ผู้ผลิต และฝึกฝนเทคโนโลยีนี้ภายในโรงงานของ Rivian

7 กันยายนวันจันทร์
  1. Charlie O'Neill38

    มาเดิมพันกับสภาพแวดล้อม RL กันเถอะ: ทำไมข้อมูลและสภาพแวดล้อมที่มีประโยชน์จึงจะเป็นผู้ชนะ

    ข้อโต้แย้งที่ว่าคนที่กล่าวว่าทุกสิ่งจะกลายเป็นสภาพแวดล้อม RL กลับไม่ได้ลงมือทำตามความเชื่อนั้น และสภาพแวดล้อม RL ที่มีประโยชน์จะหายากขึ้นและมีมูลค่ามากขึ้นแบบทวีคูณเมื่อโมเดลเข้าใกล้ RSI บทความนี้กระตุ้นให้สร้างงานระยะยาวในโดเมนที่มีความเชี่ยวชาญจริง แทนที่จะเป็นฟาร์มงานแบบ Goodhart และโต้แย้งว่าการกระจายสภาพแวดล้อมที่กว้างขวางย่อมเหนือกว่าชุดเล็กๆ ที่ยากระดับแนวหน้า

2 กันยายนวันพุธ
  1. Charlie O'Neill38

    ความพยายามที่จะนิยาม Continual Learning สำหรับ AI Agents อย่างแท้จริง

    นักเขียนท่านหนึ่งสำรวจแนวคิด continual learning สำหรับ LLM agents โดยมองว่าโมเดลในปัจจุบันเปรียบเสมือนเด็กฝึกงานที่ความจำเสื่อม ซึ่งความรู้จะรีเซ็ตเมื่อ context window สิ้นสุดลง LLM มีหน่วยความจำโดยกำเนิดเพียงสองแบบเท่านั้น คือ context ที่ไม่สูญเสียข้อมูลแต่มีต้นทุนสูง และ KV cache กับ weights ที่บีบอัดแล้วแต่ยากต่อการอัปเดต โดยแทบไม่มีทางเลือกอื่นระหว่างสองสิ่งนี้ บทความนี้ชั่งน้ำหนักระหว่าง context ที่ยาวขึ้น, stateful memory harnesses และการบีบอัด context ให้เป็น learned latent representations โดยอ้างอิงถึง Llama 3.1 70B ที่มี weights 141 GB และ KV cache 320 KiB ต่อ token

7 กรกฎาคมวันอังคาร
  1. Berkeley AI Research36

    ปัญญาประดิษฐ์ไร้ค่าใช้จ่าย แล้วต่อไปคืออะไร? ระบบข้อมูลเพื่อเอเจนต์ ของเอเจนต์ และโดยเอเจนต์

    Aditya G. Parameswaran จาก UC Berkeley และผู้ร่วมงานโต้แย้งว่า เมื่อต้นทุนการอนุมานลดลงจากประมาณ $30 ต่อล้านโทเค็นในต้นปี 2023 เหลือต่ำกว่า $1 ในปัจจุบัน ระบบข้อมูลจำเป็นต้องได้รับการออกแบบใหม่โดยคำนึงถึงความท้าทายสามประการ ได้แก่ ระบบเพื่อเอเจนต์ ระบบของเอเจนต์ และระบบโดยเอเจนต์ พวกเขาตั้งข้อสังเกตว่าในเบนช์มาร์ก text-to-SQL ที่มีหลายเอเจนต์ต่อหนึ่งงาน มีเพียง 10-20% ของแผนย่อยที่แตกต่างกัน ดังนั้น 80-90% ของคำสั่งย่อยจึงทำงานซ้ำซ้อน และเสนอแนวทาง reuse, approximation และระบบข้อมูลเชิงรุก

14 กุมภาพันธ์วันเสาร์
  1. Charlie O'Neill38

    Michael Scott Paper Company แห่งวงการ AI: ทำไมความเชี่ยวชาญเฉพาะทางแบบโอเพนซอร์สจึงชนะ Frontier Labs ในเรื่องเพดานความฉลาด

    Opus 4.6 และ GPT-5.3-Codex เปิดตัวทั้งคู่เมื่อสัปดาห์ที่แล้ว แต่การแข่งขันที่ชี้ขาดไม่ใช่ความสามารถดิบ ข้อโต้แย้งระบุว่างานที่มีมูลค่าทางเศรษฐกิจส่วนใหญ่อยู่ในชั้นความเชี่ยวชาญเฉพาะทาง ซึ่งโมเดลขนาดต่ำกว่า 80B ที่ปรับแต่งด้วยข้อมูลของลูกค้าเองจะทำงานได้ดีกว่า GPT-5.2 บนเวิร์กโฟลว์ของลูกค้ารายนั้น — เร็วกว่า ถูกกว่า และไม่ต้องส่งข้อมูลที่เป็นกรรมสิทธิ์ให้บุคคลที่สาม โอเพนซอร์สเพียงต้องเทียบเพดานความฉลาดให้ได้ ไม่ต้องถึงระดับแนวหน้า และนาฬิกาที่ผูกกับเงินทุนของเหล่าแล็บคือจุดที่อ่อนแอกว่า

26 มกราคมวันจันทร์
  1. Charlie O'Neill38

    การเรียนรู้อย่างต่อเนื่องและยุค AI หลังยุคโมโนลิธ

    การเรียนรู้อย่างต่อเนื่องแยกไม่ออกจากความเชี่ยวชาญเฉพาะทาง เพราะต้นทุนของการจดจำขยายตามขอบเขต: เมื่อบริบทเพิ่มขึ้น KV cache จะเติบโตแบบเชิงเส้นและอาจมีขนาดเกินน้ำหนักโมเดลทั้งหมด ดังนั้นข้อมูลจึงต้องย้ายจากระดับโทเค็นเข้าสู่น้ำหนัก การเชี่ยวชาญเฉพาะงานได้รับการแก้ไขแล้วเป็นหลักผ่านไปป์ไลน์การปรับแต่งอย่างต่อเนื่อง ขณะที่การคงอยู่แบบครั้งเดียวที่มีขอบเขตกว้าง ข้อมูลป้อนกลับเบาบาง ยังคงเป็นปัญหาที่ยาก