563
مشترکین
+124 ساعت
+27 روز
+1230 روز
در حال بارگذاری داده‌ها
کانال‌های مشابه
ابر برچسب‌ها
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
نوامبر '26نوامبر '26
نوامبر '26
+3
در 0 کانال‌ها
اکتبر '26
+167
در 2 کانال‌ها
Get PRO
سپتامبر '260
در 1 کانال‌ها
Get PRO
اوت '260
در 0 کانال‌ها
Get PRO
ژوئیه '260
در 2 کانال‌ها
Get PRO
ژوئن '260
در 0 کانال‌ها
Get PRO
مه '260
در 3 کانال‌ها
Get PRO
آوریل '260
در 1 کانال‌ها
Get PRO
مارس '260
در 2 کانال‌ها
Get PRO
فوریه '260
در 4 کانال‌ها
Get PRO
ژانویه '260
در 3 کانال‌ها
Get PRO
دسامبر '250
در 4 کانال‌ها
Get PRO
نوامبر '250
در 3 کانال‌ها
Get PRO
اکتبر '250
در 1 کانال‌ها
Get PRO
سپتامبر '250
در 0 کانال‌ها
Get PRO
اوت '250
در 0 کانال‌ها
Get PRO
ژوئیه '25
+9
در 1 کانال‌ها
Get PRO
ژوئن '25
+14
در 1 کانال‌ها
Get PRO
مه '25
+21
در 2 کانال‌ها
Get PRO
آوریل '25
+15
در 1 کانال‌ها
Get PRO
مارس '25
+10
در 1 کانال‌ها
Get PRO
فوریه '25
+18
در 3 کانال‌ها
Get PRO
ژانویه '25
+36
در 1 کانال‌ها
Get PRO
دسامبر '24
+28
در 7 کانال‌ها
Get PRO
نوامبر '24
+33
در 8 کانال‌ها
Get PRO
اکتبر '24
+40
در 4 کانال‌ها
Get PRO
سپتامبر '24
+34
در 15 کانال‌ها
Get PRO
اوت '24
+22
در 10 کانال‌ها
Get PRO
ژوئیه '24
+66
در 4 کانال‌ها
Get PRO
ژوئن '240
در 6 کانال‌ها
Get PRO
مه '240
در 1 کانال‌ها
Get PRO
آوریل '240
در 0 کانال‌ها
Get PRO
مارس '240
در 1 کانال‌ها
Get PRO
فوریه '24
+6
در 1 کانال‌ها
Get PRO
ژانویه '24
+14
در 0 کانال‌ها
Get PRO
دسامبر '23
+136
در 0 کانال‌ها
| تاریخ | رشد مشترکین | اشارات | کانال‌ها | |
| 05 نوامبر | +1 | |||
| 04 نوامبر | +1 | |||
| 03 نوامبر | +1 | |||
| 02 نوامبر | 0 | |||
| 01 نوامبر | 0 |
پست‌های کانال
| 2 |  +2https://arxiv.org/abs/2610.39302 | 233 |
| 3 | https://rikiyat.github.io/blog/weight-space-programming/ | 213 |
| 4 | https://terrytao.wordpress.com/2026/11/01/mathematics-has-changed-lets-act-like-it/ | 227 |
| 5 |  https://www.nature.com/articles/s41562-025-02387-z | 452 |
| 6 | https://dreamlabs.ai/research/dream-1/ | 350 |
| 7 | https://autolith.rocks/ | 690 |
| 8 | www.anthropic.com/research/formal-verification via @itpgchannel | 298 |
| 9 |  https://philarchive.org/archive/CHATMC-9 | 352 |
| 10 | https://philarchive.org/archive/CHATMC-9 | 1 |
| 11 | https://arxiv.org/abs/2610.27251 | 673 |
| 12 | Announcements - NixOS Discourse: Nix Community Survey 2026 | 35 |
| 13 | AI is really good at automating our worst tendencies. It amplifies the unspoken cultural practices no one likes, but no individual can reasonably deviate from. It exploits the mechanized traditions recalcitrant to collective action. In that vein, AI can now write useless theory papers. But perhaps in the absurdity of the distasteful OpenAI trash dump of proofs, we can all look up and realize together that we should consider doing something else.
https://www.argmin.net/p/faster-fourier-transforms | 459 |
| 14 | https://arxiv.org/abs/math/0404188 | 446 |
| 15 | https://www.apolloresearch.ai/science/update-aware-reasoning-glm-5-3 | 473 |
| 16 | https://academy.dair.ai/papers/hybrid-reasoning-agents-2610.18861
"thinking without words" for llms | 435 |
| 17 | cтаття про розплутування нейронів віруситься в дата-саєнс (та не тільки) колах
тейк: нейромережі виявились чистішими ніж ми думали
Нік Каммарата з Goodfire - один із тих, хто колись допомагав просувати ідею superposition - написав довге есе, де по суті визнає: ми помилялись
стандартна історія була така: у нейронах каша. один нейрон реагує і на морди котів, і на передки машин, бо мережі нібито бракує місця, і вона пхає в одну шухляду несумісні речі. тому щоб щось зрозуміти, спершу треба розплутати клубок окремою моделлю (sparse autoencoder) і вивчати вже її
а тепер виявляється, що кіт+машина - це просто нейрон «V-форми». вуса, фари, лисячі морди, полум'я - усе V-подібне. спільне було, просто ніхто не дивився уважно
а решта «каші» - це не хаос, а крива оптика. інструменти були слабкі, архітектура стара, а ще нейрон по ходу навчання обростає суміжними значеннями, як гілка - дрібнішими гілочками. кожен крок логічний, а якщо дивитись лише на результат - здається, що там бардак
коли взяли сучасну архітектуру того ж розміру, майже всі нейрони в останньому шарі стали зрозумілими. а в мовній моделі справжня мішанина, за оцінкою автора, це 2-4% нейронів, а не більшість
що це означає простими словами: якщо автор правий, зазирнути всередину ШІ і зрозуміти, чому він відповідає саме так, можна значно раніше й простіше, ніж вважалось. без хитрих обхідних шляхів - просто уважно розглядати, що робить кожна деталь. а чим краще розумієш, що там всередині, тим легше помітити, коли він робить щось не те, а не вірити йому на слово
поки що це гіпотеза, а не доведений факт. але виходить, що чорна скринька - це просто скринька з поганим освітленням | 391 |
| 18 | http://dx.doi.org/10.1038/d41586-026-03181-1 | 354 |
| 19 |  https://arxiv.org/abs/2610.16733
near-perfect accuracy of 98% at an average cost under USD 3 per problem | 310 |
| 20 | https://arxiv.org/abs/2610.00465
tldr: new edge computing paradigm that you can streamline llm weights the same way as TV works and compute results of inference implicitly directly on per-packet basis to reduce inference energy cost by 200x | 428 |
