צוף בר אור
前往频道在 Telegram
ברוכים הבאים לערוץ הטלגרם שלי! צוף, 30, לקראת סיום תואר שני בדאטה סאיינס וקודח מקצועי בטוויטר: https://twitter.com/tsoofbaror אעדכן פה בכל פעם שאעלה משהו משמעותי לטוויטר, או כל דבר מעניין אחר. בתאכלס, יותר מעניין כאן מבטוויטר שלי.
显示更多3 274
订阅者
-124 小时
+47 天
+1030 天
数据加载中...
吸引订阅者
九月 '26
九月 '26
+5
在0个频道中
八月 '26
+51
在0个频道中
Get PRO
七月 '26
+50
在0个频道中
Get PRO
六月 '26
+122
在0个频道中
Get PRO
五月 '26
+314
在2个频道中
Get PRO
四月 '26
+57
在0个频道中
Get PRO
三月 '26
+41
在0个频道中
Get PRO
二月 '26
+110
在0个频道中
Get PRO
一月 '26
+34
在1个频道中
Get PRO
十二月 '25
+56
在0个频道中
Get PRO
十一月 '25
+245
在0个频道中
Get PRO
十月 '25
+80
在0个频道中
Get PRO
九月 '25
+15
在0个频道中
Get PRO
八月 '25
+34
在1个频道中
Get PRO
七月 '25
+16
在0个频道中
Get PRO
六月 '25
+64
在0个频道中
Get PRO
五月 '25
+64
在0个频道中
Get PRO
四月 '25
+68
在0个频道中
Get PRO
三月 '25
+32
在0个频道中
Get PRO
二月 '25
+55
在0个频道中
Get PRO
一月 '25
+49
在0个频道中
Get PRO
十二月 '24
+22
在0个频道中
Get PRO
十一月 '24
+30
在0个频道中
Get PRO
十月 '24
+32
在0个频道中
Get PRO
九月 '24
+65
在1个频道中
Get PRO
八月 '24
+76
在0个频道中
Get PRO
七月 '24
+52
在1个频道中
Get PRO
六月 '24
+91
在4个频道中
Get PRO
五月 '24
+452
在3个频道中
Get PRO
四月 '24
+32
在0个频道中
Get PRO
三月 '24
+103
在0个频道中
Get PRO
二月 '24
+37
在0个频道中
Get PRO
一月 '24
+1 396
在0个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 03 九月 | +2 | |||
| 02 九月 | +1 | |||
| 01 九月 | +2 |
频道帖子
| 2 | (לפני GTA6) | 147 |
| 3 | היי קיבלנו את GPT6 מה תגידו. | 155 |
| 4 | טוב, עוזב את המחשב ויוצא להליכה. נראה לי זמן טוב. | 419 |
| 5 |  וכל זה עם אסטרה (ג׳יפיטי הבא) שאמור לצאת | 427 |
| 6 |  +2没有文字... | 451 |
| 7 | קורה משהו. המון ספקיות AI למטה | 446 |
| 8 | https://x.com/therealnirs/status/2095134650431586686
הרבה רעש על השקת Catch AI הישראלית.
אני סופר, 100% בעד כל חברה ישראלית שמנסה להכנס לתחום.
הכנסתי אשראי, נכנסתי, והדבר הראשון שקרה זה שהוא הזה לי דרך לחיבור MCP ונתן הוראות לאינטגרציה שלא קיימת.
אין שום דוקומנטציה (שאולי זה בסדר, זה כאילו מיועד לplug and play ולא למפתחים), אבל הייתי מצפה לחומר קריאה מינימלי שהוא לא עמוד נחיתה, משהו מסודר.
הנקודה הטובה: הוא שלח בשבילי את המייל לsupport שלהם.
בקיצור, רק הצלחה. | 750 |
| 9 | פייבל חדש למי שחוגג, אני מבסוט כי זה אומר שGPT חדש יהיה חייב להגיב :) | 923 |
| 10 | איזה תגובה בטוויטר גרמה לי לחשוב, והנה כל המחשבות כאן.
כשאנחנו מאמנים מודל AI (כל מודל, שניה נשים בצד LLMs) יש הרבה דרכים להגדיר ״למידה״.
בואו ניקח דוגמה: אימון מודל שנוהג ברכב אוטונומי.
חשוב להגיד: אני לא מציג כאן איזה טקסונומיה רשמית ואפשר להסתכל על זה בהרבה דרכים, אבל תהיה מסקנה בסוף.
הדרך הראשונה, הכי גרועה היא זיכרון. המכונית יודעת לנסוע אך ורק בדיוק במקומות שראתה כבר בהנחה ולא השתנו בכלל.
רמה אחת מעל היא מצב שבו יש רובסטיות לרעש, אבל עדיין המכונית לא מצליחה לנהוג בכבישים שלא התאמנה עליהם. כן מתמודדת עם הולכי רגל, פח שזז וכו.
רמה אחת מעל היא הכללת ״אינטרפולציה״. אימנו את המכונית לנסוע בהרבה חלקים בת״א, אבל לא בכל ת״א, והיא מצליחה לנהוג בתל אביב כולה.
הרמה הבאה היא התחלה של הצלחה out of distribution - לקחנו את המכונית לרמת גן, דומה אבל שונה קצת, וגם שם היא הצליחה לנהוג.
עוד רמה יכולה להיות ממש Regime-shift. נניח, נהיגה בכביש עם קרח. זה לא עצם הקרח שנראה אחרת, זה עצם זה שעכשיו בלימה מתנהגת אחרת לגמרי.
רמה נוספת (לא יודע אם מעל) היא למידה אקסטרפולטיבית - המכונית התאמנה על נהיגה עד 70 קמ״ש ומתמודדת טוב עם נהיגה גם ב120 קמ״ש - לא רק מחוץ להתפלגות, אלא ממש מחוץ לטווח שהיה זמין באימון.
והholy grail האמיתי - zero shot learning, מצב שבו יום אחד נוסף תמרור חדש, ואיכשהו רק אומרים למכונית ״שימי לב זה תמרור שאומר שחייבים להדליק אורות״ והיא תעשה את זה על הפעם הראשונה מבלי שראתה אותו אף פעם.
עכשיו - למה אני מבלבל פה במוח?
כי עכשיו תנסו להכיל את הרעיונות האלה על מודלי שפה, או מודלי AI מסמלצי אינטיליגנציה.
במודלים כאלה מאד מאד קשה להבין באיזה רמה אנחנו נמצאים, וזה יכול להיות מאד מתעתע. האם פתרון בעיה פתוחה במתמטיקה זה אינטרפולציה? זה out of distribution?
מציאת פריצת zero day בסייבר, לאן משתייכת?
ואיך בכלל אפשר לבחון את כל הרעיונות האלה על מודל שליטרלי התאמן על כל הידע האנושי, וכדי לייצר לו ״סביבת מבחן״ צריך, well, ידע אנושי שאין לו?
זאת בעצם הבעיה השורשית: קשה להבין מה זה out of distribution למודלי שפה. הם יסמלצו את החוויה האנושית של התמודדות עם כל אחת מהבעיות האלה, אבל מילת המפתח היא - יסמלצו. זה יראה כמו. זה ירגיש כמו.
(ירגיש כמו אדם שמנסה להחליט איזה מניה לקנות, ירגיש כמו אדם שמנסה לקבל החלטה מקצועית, ירגיש כמו אדם שמנסה לפתור בעיה הנדסית)
שאלה נוספת שנשאלת - למה זה בכלל משנה? מה שמשנה זה שימושיות. זה עובד? מעולה.
זה משנה בעיני כי עד שלא נבין או נפתח שיטות אמיתיות לבחון את הדברים האלה, לא נדע אם הקונספט של Scale + RL הוא הדרך שלנו לייצר אינטיליגנציה בקופסה שבאמת תצעיד את האנושות קדימה.
אם תשאלו אותי, המבחן היחיד שיש לי בראש הוא אם מודל שפה ימציא כלים חדשים במתמטיקה שיהיו בעלי ערך לפתרון בעיות פתוחות. אחד הדברים שאומרים כשמדברים לדוגמה על השערת רימן (aka, אחת הבעיות הפתוחות הכי גדולות במתמטיקה) היא שכדי לפתור אותה צריך להמציא מתמטיקה שעוד לא קיימת.
בקיצור, מחשבות מחשבות בזמן שהסוכנים עובדים. | 1 563 |
| 11 | https://innovationisrael.org.il/event/aiinthefuture/
יש פה בארשבעים שמגיעים? | 1 880 |
| 12 | האם גם אתם מבלים את רוב הנוירונים במוח שלכם לנסות להבין לאן כל האירוע הזה של האייג׳נטים הולך?
אני מרגיש שהמון מהעיסוק שלי הוא לרפד ולהזיז מכשולים מהדרך לרובוט בלי עיניים. סקילים, MCP, לופים, כל מיני דברים שמנסים לקחת מכונה שלא יודעת לעשות כלום באמת ולתת לה לעשות דברים.
מצד אחד, זה מאד עובד. זה מביא תוצאות.
מצד שני, עוד כמה נוכל לחזק מודלי בסיס ולייצר פלסטרים מפוארים?
האם להשקיע באורקסטרציה היא השקעה עם ROI טוב לחברה בטווח הקצר (עזבו בינוני וארוך. קצר. שנה-שנתיים). | 1 876 |
| 13 | הפרק בגיקונומי איתו הרבה יותר טוב. לכו חפשו, אבל בנושא אחר: | 1 602 |
| 14 | בדרך כלל אני רוצה לשבור את המסך כשאני רואה את התקשורת מדברת על AI
אבל - רעיון מופלא עם בחור שעוד נשמע עליו הרבה שמזקק המון דברים שכבר נכתבו פה בערוץ :)
אפשר להאזין כפודקאסט בנסיעה. ממליץ מאד
https://youtu.be/51W3D_J9FBU?si=DEWQDek-lIfmOMi0 | 1 964 |
| 15 | ג׳מיני פלאש 3.7 בחוץ ו3.5 פרו עוד לא ראה אוויר עולם
מה קורה גוגל מה קורה | 2 110 |
| 16 | פלאש 3.7 בחוץ, ועוד אין זכר ל3.5 פרו (גוגל)
מה קורה לגוגל | 1 |
| 17 |  2$/6$
מעניין מאד מאד.
גרוק 4.6 | 2 273 |
| 18 | בינה מלאכותית התקרבה לראשונה לאחת משתי השאלות הפתוחות המפורסמות במתמטיקה (השנייה היא P עפ NP).
התקרב. לא פתר.
הסיפור בקצרה.
ב-1859 רימן ניחש ניחוש: לפונקציה מסוימת יש אינסוף נקודות מיוחדות, וכולן לדעתו יושבות על קו ישר אחד. 167 שנה אף אחד לא הצליח להוכיח את זה. הניחוש הזה שווה מיליון דולר.
כשלא מצליחים להוכיח "כולן", מוכיחים "לפחות אחוז מסוים מהן". האחוז הזה תקוע שנים על 41.66%. קלוד, גרסת מחקר שעדיין לא שוחררה, הביא אותו ל-67.25%. להשוואה: בני אדם הצליחו להזיז אותו 0.8 נקודות ב-37 שנה. זו קפיצה אמיתית. אבל היא לא "שני שליש מהדרך", ומשתי סיבות:
סיבה ראשונה: האחוז מודד אותנו, לא את המתמטיקה. 67% לא אומר ששני שליש מהנקודות על הקו והשאר מחוצה לו. בפועל בדקו כבר 20 טריליון נקודות ואף אחת לא חרגה. כולם משוכנעים שהתשובה היא כל הנקודות. פשוט אין הוכחה.
סיבה שנייה: אפילו 100% לא היה מוכיח את הניחוש. נשמע מוזר, אז דוגמה.
קחו את כל המספרים, ומתוכם רק את 10, 100, 1000, 10000... יש אינסוף כאלה. ובכל זאת, אם תספרו כמה אחוז הם מכל המספרים, תקבלו כמעט אפס. הם דלילים מדי מכדי להירשם.
עכשיו החזרה לענייננו: גם אם נוכיח "100% מהנקודות על הקו", עדיין יכולים להסתובב שם אינסוף חריגים. פשוט דלילים מדי מכדי להוריד את האחוז. לכן הפער בין 67% למיליון דולר הוא לא 33 נקודות אחוז. זו שאלה אחרת לגמרי. אנטרופיק אומרים את זה בעצמם: הם לא מצפים שהשיטה תגיע להוכחה.
ומה כן קרה כאן, בעיניי:
קלוד לא המציא מתמטיקה. הוא לקח מאמר מ-2000 וחיבר אותו לעבודה עדכנית של ארבעה חוקרים. מישהו כבר הגיע ל-67% קודם אבל רק בהנחה נוספת. כאן ההנחה ירדה. שני החלקים ישבו על המדף שנים, בשני חדרים שונים, ואף אחד לא הכניס אותם לאותו חדר.
כלומר: מה שחסר לא היה גאונות. מה שחסר היה מישהו שקרא הכל.
מה עוד לא סגור: אין ביקורת עמיתים רגילה, ואי אפשר לשחזר את הריצה כי המודל לא שוחרר. מצד שני ההוכחה נכתבה בצורה שמחשב יכול לבדוק, ושני מומחים חיצוניים עברו עליה. על התהליך אפשר להתווכח. על ההוכחה עצמה פחות.
ולסיום, הפרט האהוב עליי: הניסיון הראשון נכשל אחרי 650 רעיונות. סוף סוף AI שחווה דוקטורט אמיתי.
https://www.anthropic.com/research/riemann-zeta | 2 048 |
| 19 | המלצת קריאה | 1 278 |
| 20 |  (לא ממומן)
וובינר לצוותי R&D על subagents & parallel agents
יום חמישי, 13 באוגוסט, מבית Latent AI
למי הוובינר מיועד?
• מפתחים וצוותי פיתוח שעובדים עם קלוד (או רוצים לעבוד עם קלוד)
• למי שמפעיל אייג'נט אחד בכל פעם (ולא כמה במקביל)
• למי שרוצה לעבוד עם worktrees ולא לשבור את הקודבייס
• למי שרוצה לעבוד עם סאב-אייג'נטים כדי לשמור על ה-context window
הזדמנות מיוחדת לקבל הצצה לקורס המלא של Latent AI לצוותי פיתוח
להרשמה ופרטים נוספים >> https://bit.ly/4gmoIIb
על המרצה: יונתן ירקוני, מנכ"ל ו-co-founder של Latent AI, לשעבר בצוות ה-AI של גוגל, מפתח וראש צוות | 1 360 |
