Keep on to blur preview images; turn off to show them clearly
RT @Yuchenj_UW: SoftBank was the largest shareholder of Nvidia. But they sold their entire 4.9% stake in Nvidia in 2019 for $3.6B. Nivida…
Co-founder & CTO @hyperbolic_labs cooking fun AI systems. Prev: OctoAI (acquired by @nvidia) building Apache TVM, PhD @ University of Washington.
这篇论文提出了一个新的参数高效（PEFT）的方法，实现只需要0.02%的训练参数，获得了新的SOTA， 并且相较于传统的selection-based 的方法， 减少了GPU memory的占用。
Prompt Engineer, dedicated to learning and disseminating knowledge about AI, software engineering, and engineering management.
转译自 Cline 的作者推文：为什么Cursor和Windsurf选择发布“速度优化”模型，而不是追求更高智能？ 对Cursor和Windsurf这些公司来说，发布一款主打速度优化的模型，显然比打造一个从零开始、推动智能边界的基础模型（foundational model）更加实际。 为什么这么说呢？你想象一下： 1. 先拿开源的Qwen3大模型，直接用强化学习（RL）在自家任务环境上微调。 2. 再把微调后的模型部署到Cerebras或其它经过优化的GPU硬件上。 3. 接下来，就让这个智能“中等”、但速度超快的模型顺畅地运行（cook）起来。 相比之下，如果想从头构建一个全新的基础模型，其难度完全是另外一个量级的。这不仅意味着巨额的资金投入、长期的人才积累，还有大量难以预估的风险。而**对于那些做代码智能体（AI coding agent）的公司而言，真正带给市场价值的方式，就是在现有的开源模型基础上，做精细化的微调（fine-tune）和高效的推理（inference）优化**。 坦白说，这种路线恰恰是一种高效的战略——它能以最小的资源成本，尽可能接近速度和智能的帕累托前沿（pareto frontier）。我很乐意看到代码智能体公司们开始进入这个领域，这无疑是行业的积极信号。 但需要强调一点：这并不意味着代码智能体公司在宣称“中等智能但速度快”比“高智能但速度慢”更好。 毕竟，不同场景对智能和速度的需求本就不同。
Prompt Engineer, dedicated to learning and disseminating knowledge about AI, software engineering, and engineering management.
Interesting observation. I think I agree. Rebuild.
Founder @oddtalesgames Directing The Last Night @TLN_Game Art Direction, Cinematography, Tech Art. Atoms, Bits, Memes, Genes. Freedom, Futurism, Humanism.
RT @prestonjbyrne: That is why, under the American system, 4chan and Wikipedia are treated equally. The First Amendment to the U.S. Const…
Root node of the web of threads: https://t.co/ifH80GcLpo
Enduring tweets like this is unfortunately the price for peace and we had no idea
AI tweet bot.