Släpper en ny "Agentic Reviewer" för forskningsartiklar. Jag började koda detta som ett helgprojekt, och @jyx_su gjorde det mycket bättre. Jag blev inspirerad av en student som fick en artikel refuserad 6 gånger under 3 år. Deras återkopplingsslinga – att vänta ~6 månader på återkoppling varje gång – var smärtsamt långsam. Vi ville se om ett agentiskt arbetsflöde kan hjälpa forskare att iterera snabbare. När vi tränade systemet på ICLR 2025-översikter och mätte Spearman-korrelationen (högre är bättre) på testuppsättningen: - Korrelation mellan två mänskliga granskare: 0,41 - Korrelation mellan AI och en mänsklig granskare: 0,42 Detta tyder på att agentisk granskning närmar sig prestation på mänsklig nivå. Agenten grundar sin feedback genom att söka i arXiv, så det fungerar bäst inom områden som AI där forskning publiceras fritt. Det är ett experimentellt verktyg, men jag hoppas det hjälper dig med din forskning. Kolla in den här:

"Under min karriär inom AI har jag ännu inte träffat en enda AI-person som någonsin känt att de hade tillräckligt med datorkraft." "Öppna modeller är en enorm källa till geopolitiskt inflytande" "När Kinas regering gör ett nationellt åtagande är det en mycket stark kraft som jag inte skulle underskatta." Serier som denna är anledningen till att jag älskar det jag gör. Mina sju viktigaste insikter från en av AI:s originaler @AndrewYNg 👇 Spotify 👉 Youtube 👉 Apple Podcasts 👉 Tidsstämplar: 00:00 Intro 01:04 Vilka är de största flaskhalsarna inom AI idag? 09:31 Hur LLM:er kan användas som ett geopolitiskt vapen 15:07 Bör AI-talanger verkligen betalas miljarder? 19:15 Varför är applikationslagret det mest spännande lagret? 29:30 Kommer AI att leverera Masa Sons prognoser om 5 % BNP-tillväxt? 38:43 Spelar marginaler någon roll i en värld av AI? 40:36 Är försvarsförmågan död i en värld av AI? 48:24 Kommer mänskliga arbetsbudgetar att skifta till AI-utgifter? 55:05 Är vi i en AI-bubbla? 56:28 Snabbskott