Keep on to blur preview images; turn off to show them clearly
RT @KentonVarda: So Anthropic agrees with us: AI agents are better at writing code than running tools, and future agents will probably do e…
building workers observability @cloudflaredev, prev founder @baselimehq (acquired by cloudflare), prev aerodynamicist
Seriously, this is an extremely normal evangelical Christian rally type of rhetoric of the kind I grew up on, just with the religions swapped.
The only thing that offends me about this video is knowing how many secular types have spent the last 30yrs straining at the gnat of Christians doing even the mildest, tamest expressions of faith in public but will now swallow this particular camel whole & ask for more.
我在MIT看到的Agent 新范式 今天在麻省理工学院的EmTech大会上，看到了一个让我重新思考整个AI agent领域的演示。 演示方是TinyFish，一家相当低调的公司。创始团队里有两位华人，获得了ICONIQ领投的近3.5亿元人民币融资，但在今天之前从未公开展示过他们的核心产品。 而他们正在做的事情，已经在为Google和DoorDash运行超过千万级别的web agent操作... 不是实验室demo，是真实的生产环境。 TinyFish产品能让 AI 能够像人类一样自动操作网页、完成企业级任务... 它可以在没有 API 的情况下，让 AI 自动跨网站读取、理解、操作网页，执行业务流程、采集数据、提交信息、监控变化。 从抓数据、比价格、做填表、查库存，到合规审查与动态定价，都能完成... 可以在几千个网站间实时操作、执行任务。 也就是可以以同时运行一千个ChatGPT Atlas ，然后不间断的，同样的答案运行一千万次... 一个被所有人忽视的事实 TinyFish的CEO Sudheesh在演示中分享了一个震撼的洞察： 现在市面上所有的AI agent，都只能操作5%的网络。 不是因为开发者技术不行，而是因为所有人都在基于搜索引擎构建agent。 而搜索这个范式，早就失效了。 搜索是怎么失效的？ 我们来看一个最简单的例子：Amazon。 Amazon的每个产品页面都被Google完整索引，完全可以爬取。这是搜索引擎最理想的场景。 但当你在Amazon搜索"笔记本电脑"时会发生什么？ 你会看到上万个结果。赞助商品、虚假评论、AI生成的描述铺天盖地。你翻了几页就放弃了，最后随便点一个"看起来还行"的，结账走人。 这不是Amazon的问题。这是搜索范式本身的问题：当数据量太大时，排名就失效了。 Google成功地索引了数百万Amazon页面，但这并没有让搜索变得更有用。Amazon自己建了搜索引擎，也没有解决问题。 网络变得太大了。即使是已经被索引的那部分，排名也已经无法工作。 搜索假设你想"找到"某样东西。但如果你需要"检查所有"东西呢？比较所有供应商？验证每一个选项？** 这时候，整个范式就崩溃了。 那剩下的95%呢？ 更糟糕的是，刚才说的还只是那5%被索引的网络。 剩下95%的网络藏在哪里？ - 需要登录的供应商门户 - 有身份验证的医疗系统 - 只能通过表单提交访问的政府数据库 - 需要多步骤导航的竞争情报 搜索引擎根本接触不到这些。不是技术问题，是架构问题。你无法爬取需要交互才能访问的内容。 所以我们面临两个问题： 1. 被索引的5%网络因为太大而失效 2. 95%的重要数据根本没被索引 两个问题的根源都一样：搜索这个范式假设人类会手动评估结果。当你需要全面的情报而不是排名选项时，它就失效了。 为什么现有方案都解决不了 你可能会想：RAG呢？更好的embedding呢？Browser agents 呢？ 它们都解决不了 因为它们都继承了搜索的核心局限：假设你想"找到"某样东西，而不是"检查所有"东西。 当一个采购团队需要检查200个供应商门户的竞争定价时，排名帮不了你。 当制药公司需要在数千个研究站点匹配临床试验的患者资格时，检索帮不了你。 这不是"这项工作很繁琐我们想自动化"的问题。这是"这种分析在我们需要的规模上根本不可能完成"的问题。 从可读Web到可执行Web Sudheesh解释了他们的解决方案： 不是更好的搜索，而是操作性基础设施。 TinyFish构建的系统可以： - 登录认证系统 - 导航多步骤工作流 - 提取结构化数据 - 同时运行数十万个并行会话 这就是从"可读Web"到"可执行Web"的转变。 浏览器代理（比如OpenAI的Atlas）帮助个人更快地导航网站：一次一个会话，一个浏览器。 TinyFish 的 Mino： 👉 就像一个“AI工厂”，让公司自己创建、部署和管理这些“网页机器人（Web Agents）”。 Mino可在基础设施规模上运行数十万个并行会话，在需要人类团队数周时间完成的复杂工作流中保持准确性。 这不是自行车和摩托车的区别。这是自行车和货运网络的区别。 规模化的证明 这不是理论 TinyFish已经在为ClassPass、Google、DoorDash等公司每月运行3000万次操作。 ClassPass的例子很典型：他们需要聚合数万家健身工作室的课程。大部分工作室没有API，只有手动更新的预订网站。课程安排每天变化，价格因时间、地点和等级而异。 传统方法全部失败： - 人工录入：无法规模化，数据永远过时 - 爬虫：网站一改版就崩溃 - API对接：长尾永远不会开发集成 使用TinyFish后，他们的场馆覆盖率增加了3-4倍，成本降低了50%。 更具体的实际落地案例： 🏨 Google Hotels 日本许多酒店使用老旧系统，无法接入 Google 聚合平台 TinyFish 的代理能自动获取这些酒店的库存与价格； 无需 IT 改造，让 Google Hotels 实现实时更新。 实现 99% 的实时覆盖率 更新频率提升 20 倍 运行量超过 每月 1,000 万+ 操作 🛵 DoorDash 为每个城市部署 AI 代理，自动抓取竞争网站菜单、价格、促销 每小时更新、自动去重与异常检测； 与 DoorDash 内部数据系统自动对接。 每月收集数百万个定价变量； 用于动态调整价格、优化市场响应； 自动化 95% 市场数据采集； 提高预测模型精度 30%； 大幅降低人工调研成本（原来每月人工工时 1200+ 小时）。 这意味着什么 搜索在过去25年里运行得很好，因为网络足够小，人类可以手动评估排名结果。 现在网络太大了。即使是被索引的部分也变得无法管理。而95%的网络从来没被索引过。 接下来的范式不是更好的搜索或更智能的排名。而是能够在整个网络上导航、推理和提取的操作性基础设施：公开的和私密的，被索引的和未被索引的。 Agent功能的发展速度远超预期。短短36个月，我们就从"AI起草邮件"发展到了"AI运行完整工作流"。 TinyFish可能在企业规模的实际落地上已经领先了。 他们正在向开发者开放这个基础设施。如果你在构建需要大规模可靠性的agent产品，这可能是一个值得关注的早期信号。
TinyFish让企业能够用 AI 替代网页上的重复劳动，实现从信息自动化到操作自动化... TinyFish @Tiny_Fish 已获得ICONIQ 4700万美金 A 轮融资 网站：https://t.co/kneIlDWvjf
Can we construct a coherence benchmark that directly compares the cohesion and generality of humans and LLMs? “LLM psychosis” describes a situation where the LLM is more cohesive than the human interlocutor, so the human gets derailed. “Jailbreaking” is the opposite.
FOLLOWS YOU. Artificial Intelligence, Cognitive Architectures, Computation. The goal is integrity, not conformity. https://t.co/rFUNzdYXuK
Some people are more cohesive and/or general than others. If you put people into sensory deprivation or into cult environments, they tend to go off the rails at different rates and velocities, evident by hallucinations and irrational policy changes.
Can we construct a coherence benchmark that directly compares the cohesion and generality of humans and LLMs? “LLM psychosis” describes a situation where the LLM is more cohesive than the human interlocutor, so the human gets derailed. “Jailbreaking” is the opposite.
Two interesting parameters in my interactions with humans and LLMs are cohesion and generality. Cohesion describes how stable the policies and beliefs are shen you push them, generality describes how well new observables, facts and ideas can be integrated.
Some people are more cohesive and/or general than others. If you put people into sensory deprivation or into cult environments, they tend to go off the rails at different rates and velocities, evident by hallucinations and irrational policy changes.