Shifting to AI model customization is an architectural imperative
在大型语言模型 (LLM) 的早期，我们已经习惯了每次新模型迭代时推理和编码能力都会大幅提升 10 倍。如今，这些跳跃已趋于平缓，变成增量收益。例外的是领域专业智能，其中真正的阶跃功能改进仍然是常态。当模型与组织融合时……
Factor Demand Curves For An Example With Fixed Capital And Rent
图 1：劳动力需求曲线 我创建并研究了一个示例，其中一台物理寿命为三年的机器可用于在两种土地之一上生产农产品。我的示例是资本逆转示例。我突然想到，在这个例子中，我并没有绘制出对所谓生产要素的需求。因此，图 1 绘制了在给定最终需求的情况下，企业希望提供的工资与就业机会的关系。切换点是该图中的水平线段。在“反常”转换点附近，更高的工资与希望雇用更多工人的公司相关。考虑到最终需求和利润率，每种技术都定义了价格体系。我可以将年初必须存在的资本货物的价值相加，以产生给定的最终需求。生产价格用于聚合异质商品。图2在某种意义上显示了对资本的需求。这里，“反常”切换点也被指示用于增加需求曲线的阶跃函数近似。
Agentic AI and the next intelligence explosion | Science
几十年来，人工智能 (AI) 的“奇点”一直被认为是一个单一的、巨大的思维，将自身引导至神一般的智能，将所有认知整合到一个冰冷的硅点中。但这一愿景几乎可以肯定其最基本的假设是错误的。如果人工智能的发展遵循之前重大进化转变或“智能爆炸”的道路，那么我们当前计算智能的阶跃变化将是多元化的、社会性的，并与其祖先（我们！）深深地纠缠在一起。
