Найти похожее

【🤖 AI人工智慧｜樂天集團創辦人三木谷浩史 ：不說英語就要降職】 #AI#三木谷浩史#樂天 執行長三木谷浩史接受 CNBC 訪談指出，推行英語為官方語言是為了打破封閉文化。 樂天外籍工程師佔比達 70 %，預期 AI 帶動利潤成長達 60 %。這讓樂天成為日本企業中由外籍工程師主導開發的異類。 📍閱讀全文： https://abmedia.io/in-rakuten-only-can-speak-english 📍 訂閱鏈新聞頻道：https://linktr.ee/abmedia.io

【🤖 AI人工智慧｜AI 建築設計新創 Illoca 融資 1,300 萬美元，台裔創辦人如何把創意還給建築師？】 #AI#Illoca#生成式AI Chin-Yi Cheng 於 5 月 6 日帶領 Illoca 完成 1,300 萬美元融資，旨在消除建築業生產力稅。 產品將設計流程縮短至數天，解決人均年損 1,300 小時的製作黑洞。鹿島建設已導入驗證，翻轉 7,200 億美元隱性成本。 📍閱讀全文： https://abmedia.io/ai-for-architectural-design-lloca-raises-13-million-seed 📍 訂閱鏈新聞頻道：https://linktr.ee/abmedia.io

【🤖 AI 人工智慧｜哈佛醫學院最新研究：AI 在急診室診斷決策優於人類醫生】 #Science#AI#哈佛醫學院 哈佛醫學院在《科學》指出，最新 AI 於急診室的診斷表現已優於人類醫師。 團隊利用電子病歷測試，證實 LLM 於早期決策的準確性已超越主治醫師。雖然尚無法自主行醫，但此工具將有助降低誤診造成的人力與經濟成本。 📍閱讀全文： https://abmedia.io/harvard-medical-school-ai-diagnosing-medical 📍 訂閱鏈新聞頻道：https://linktr.ee/abmedia.io

【🤖 AI人工智慧｜企業裁員潮恐致勞資雙輸局面，研究建議：應開徵 AI 自動化稅】 #AI#皮古稅#自動化 賓州大學學者 Hemenway Falk 於 2026 年指出，AI 裁員將侵蝕市場需求。 2025 年裁員破 10 萬人，Salesforce 取代 4 千人正加速需求萎縮。開徵皮古稅將成本內部化，終止這場無贏家的消耗戰。 📍閱讀全文： https://abmedia.io/ai-automation-tax-economic-crisis 📍 訂閱鏈新聞頻道：https://linktr.ee/abmedia.io

【🚀 AI 人工智慧｜YC 合夥人分享如何用 AI 從頭開始建立公司，新創應將 AI 當作業系統而非工具 】 #AI#Company#YC 📍 請見報導： https://abmedia.io/yc-partner-building-ai-native-company 📍 訂閱鏈新聞頻道：https://linktr.ee/abmedia.io

【🚀 AI 人工智慧｜AI 答題引擎集體污染：Gemini 3 正確答案中 56% 無來源支持 】 #Gemini3#AI#Illusion 📍 請見報導： https://abmedia.io/ai-retrieval-contamination-ouroboros-cite-synthetic-content 📍 訂閱鏈新聞頻道：https://linktr.ee/abmedia.io

【🚀 AI 人工智慧｜經濟學家點名 AI 失業潮後的就業機會：稀缺性價值轉向「情感服務」 】 #AI#就業衝擊#資本支出 📍 請見報導： https://abmedia.io/ai-future-jobs-relational-sector-scarcity 📍 訂閱鏈新聞頻道：https://linktr.ee/abmedia.io

【🚀AI 人工智慧｜畢業求職焦慮？研究顯示 AI 直接影響初階職缺，麥肯錫顧問建議新鮮人這樣做 】 #AI#Gratuate#Junior 📍請見報導： https://abmedia.io/gratuate-ai-junior-job-general 🥇 [合作］LBank 與現象級動畫 IP Nobody Sausage 達成品牌戰略合作，推出 500 USDT 社媒活動

【🚀交易市場｜2026 被動元件將複製 AI 記憶體缺貨風暴？ 】 #Passive#Componets#AI 📍請見報導： https://abmedia.io/passive-componets-fusion-ai 🥇 [合作］LBank 與現象級動畫 IP Nobody Sausage 達成品牌戰略合作，推出 500 USDT 社媒活動

【🚀AI 人工智慧｜AI 人才分五級：Allie Miller 的成熟度框架為何被 500 人收藏 】 #AllieMiller#AI#Framework 📍請見報導： https://abmedia.io/ai-talent-five-level-maturity-framework-hiring 📍訂閱鏈新聞頻道：https://linktr.ee/abmedia.io

【🚀AI 人工智慧｜Picsart 推出創作者變現計劃！邊玩 AI 還可以邊賺錢？ 】 #Picsart#AI#CreatToEarn 📍請見報導： https://abmedia.io/picsart-creator-monetization-ai-earn 📍訂閱鏈新聞頻道：https://linktr.ee/abmedia.io

🌟LLM Speedrunning Benchmark: ИИ-ассистенты пока не способны улучшить код, написанный человеком. Пока одни восхищаются способностью ИИ писать код по текстовому описанию, в компании Марка Цукерберга решили устроить ему настоящее испытание на профессионализм и создали «The Automated LLM Speedrunning Benchmark» — полигон, где нейросетям предлагается не просто написать что-то с нуля, а воспроизвести и улучшить уже существующий код. В качестве задачи был взят реальный проект NanoGPT, где сообщество энтузиастов соревнуется в максимальном ускорении обучения GPT-2, небольшой языковой модели. Цель - не просто скопировать, а понять и применить конкретную оптимизацию, которую до этого внедрил человек. 🟡Суть эксперимента ИИ-агенту дают исходный скрипт предыдущего рекордсмена и подсказку одного из 3 уровней: от псевдокода с описанием изменений до полноценной мини-статьи, объясняющей суть улучшения. Агент, получив эти данные, должен внести правки в код так, чтобы приблизиться к скорости обучения следующего рекордсмена. Эффективность мерили метрикой FSR (Fraction of Speedup Recovered), это доля восстановленного ускорения. Если человек ускорил процесс на 10 минут, а ИИ смог добиться ускорения в 5 минут, его результат — 50% FSR. Такая система позволяет оценить не абстрактные способности модели, а ее умение работать с конкретными, практическими задачами по оптимизации. 🟡Результаты Итоги оказались, мягко говоря, отрезвляющими. Даже топовые модели (Claude 3.7 Sonnet и Gemini 2.5 Pro), показали очень скромные результаты. С лучшими подсказками (псевдокод и детальное описание) самые успешные агенты с трудом смогли воспроизвести хотя бы 40% от прироста производительности, достигнутого человеком. Без подсказок их производительность была и вовсе близка к нулю. Разбор полетов бенчмарка показал, что ИИ-агенты часто генерируют либо просто неработающий код с ошибками времени выполнения, либо код, который компилируется, но не дает никакого прироста скорости, а иногда даже замедляет процесс. 🟡Фреймворк Авторы не просто опубликовали статью, а выложили весь фреймворк в открытый доступ, так что любой желающий может самостоятельно погонять практически любые модели. В основе фреймворка лежит гибкий агентский каркас, который имитирует рабочий процесс исследователя: генерация идеи, реализация в коде, запуск эксперимента и анализ результатов. Каждая итерация ИИ-агента аккуратно сохраняется в отдельную версию, создавая полную историю всех правок, от удачных до провальных. Установка максимально проста, а для тех, кто хочет воспроизвести эксперименты из статьи, авторы приложили готовые скрипты. Также можно легко добавить и протестировать другие модели, просто создав для них конфиг или дать ИИ другую задачу, не связанную с NanoGPT - определять кастомные таски тоже можно. 📌Лицензирование: MIT License. 🟡Arxiv 🖥GitHub @ai_machinelearning_big_data #AI#ML#LLM#Benchmark