14:24Lilian Weng@lilianweng精选74°Lilian Weng 发布了一篇关于 scaling laws 的博文,详细解释了如何通过缩放定律在数据量和模型尺寸之间做计算最优分配。文章对比了 Kaplan et al.(2020)和 Chinchilla(2022)两篇经典论文的分歧:前者主张模型尺寸随计算量更快增长,后者主张等比例增长。文中还指出数据限制和拟合细节会使外推变得不可靠。AI模型Scaling LawsChinchillaKaplan et al.计算最优Lilian Weng推荐理由:想搞懂 Scaling Laws?Lilian 这篇把 Kaplan vs Chinchilla 的争论讲透了,还有实操建议。原文
07:59Lilian Weng@lilianwengOpenAI 研究科学家 Lilian Weng 在 X 上呼吁加强人机交互领域的合作与研究,并转发了 Thinking Machines 的资助计划。该计划为推进人机交互的研究人员提供 10 万美元资助及 Tinker 积分,申请截止日期为 6 月 19 日。此举旨在推动 AI 与人类更自然、高效的互动方式,对交互设计、AI 产品开发者及学术研究者具有直接意义。行业人机交互资助/基金Lilian WengThinking Machines研究合作10 个信源在谈推荐理由:人机交互是 AI 落地的关键瓶颈,10 万美元资助直接降低了研究门槛,做交互设计或 AI 产品的团队值得关注申请窗口。原文