Keep on to blur preview images; turn off to show them clearly
RT @neilzegh: Announcing Gradium. After 10 years of pushing audio research at Meta, Google and Kyutai, I'm joining the start-up arena with…
Professor at NYU. Chief AI Scientist at Meta. Researcher in AI, Machine Learning, Robotics, etc. ACM Turing Award Laureate.
really good read from @dwarkesh_sp on current state of AI. also worth thinking about how to think about "timelines" broadly - and why in my personal view, AGI is not a very useful concept when thinking about how these systems develop in the near future. https://t.co/KwQZXDidC4
work on AI at the @whitehouse. pro wrestling fan. official: @skrishnan47
RT @randall_balestr: If you are at #NeurIPS2025 and interested in (Le)JEPA: - I will be giving two short talks at the @AIatMeta booth Wed n…
Professor at NYU. Chief AI Scientist at Meta. Researcher in AI, Machine Learning, Robotics, etc. ACM Turing Award Laureate.
RT @gilhildebrand: Bootstrapped SaaS $0 funding $20K pre-launch On track for $1M revenue in year two My story just went live on @starter_s…
https://t.co/zSf5Z2H78P https://t.co/ryMAyS77qn https://t.co/Gm6gdHaLgp On a mission to inspire 1B people to build stuff!
OpenAI 如何构建大规模 AI 自动化代码审查系统？ 核心挑战：代码量爆炸 vs. 人力瓶颈 随着 AI（如 GPT-5-Codex）生成的代码呈指数级增长，人类无法逐行审查。如果单纯依赖 AI 生成而不加验证，漏洞和 Bug 的风险将难以控制。因此，OpenAI 提出必须建立一个 自动化的代码审查智能体 作为防线。 关键策略：精准度优于覆盖率 (反直觉！) · 通常逻辑：我们会希望 AI 找出 所有 潜在问题。 · OpenAI 的发现：在实际工程中，如果 AI 像个“碎嘴婆”一样报告大量无关紧要或错误的琐碎问题，开发者会直接弃用工具。 · 解决方案：为了赢得开发者的信任，该系统被设计为“宁缺毋滥”，优先保证高信噪比，只在确信是重要 Bug 时才发出警报，即便这以此会漏掉一些小问题为代价。 技术突破：全仓库上下文与工具使用 · 早期的验证模型通常只看代码的差异，缺乏上下文。 · 新的审查智能体具备了全仓库的视野，并且拥有执行代码的能力。这意味着它不仅是“看”代码，还能结合整个项目的依赖关系进行逻辑推演，从而大幅提高了审查的准确性。 经济学视角：验证比生成更便宜 · 文章提出了一个有趣的观察：生成正确的代码需要大量的计算资源，但验证代码通常只需要很少的资源。 · 即便是用较小的算力预算，审查智能体也能有效地捕捉到大部分由强大模型生成的错误。这为大规模部署提供了经济基础。 实际应用与警示 · 实战效果：该系统已在 OpenAI 内部及 GitHub 上大规模使用。数据显示，约 53% 的 AI 审查意见被开发者采纳并进行了代码修改，证明了其建议的高价值。 · 过度依赖风险：AI 审查只是“辅助”而非“替代”。团队必须警惕将“AI 没报错”等同于“绝对安全”的心理懈怠。 阅读报告
邵猛，中年失业程序员 😂 专注 - Context Engineering, AI Agents. 分享 - AI papers, apps and OSS. ex Microsoft MVP 合作 - 私信/邮箱：shaomeng@outlook.com 📢 公众号/小红书: AI 启蒙小伙伴
RT @indie_maker_fox: 容我花点时间给大家介绍下 MkDollar 这个产品的初衷和规划 MkDollar是基于MkSaaS模板的新项目，做这个产品的初衷就是公开演示如何做产品实现盈利（虽然MkDollar目前并未盈利）。… https://t.co/9t9…
🔥 The best AI SaaS boilerplate - https://t.co/VyNtTs0jSX 🚀 The best directory boilerplate with AI - https://t.co/wEvJ1Dd8aR 🎉 https://t.co/bh1RxeERuY & https://t.co/zubXJCoY92 & https://t.co/tfQf8T7gGF