Ah ja GPT-5 kommer til å forenkle rullegardinmenyen for modellen, sa de, det kommer til å være et magisk alternativ sa de det har tatt en uke å gå tilbake til hvordan ting var tidligere, nå uten kapasitet til å si hvilke modeller som faktisk vil kjøre (fordi modellnavn er skumle!)

Jeg beklager at jeg har vært slem til tider i det siste, jeg kommer til å gå tilbake til #LiveLoveLaugh #JustAKidFromAkron modus Det er mange fantastiske mennesker her og en uendelig tilførsel av interessante ting å snakke og tenke på, og å fokusere for mye på de negative tingene i kulturen eller bransjen osv kan få deg til å glemme det

Dermed er gode råd, spesielt i arbeidsmiljøer innen teknologi (og enda mer for fjerntliggende) Jeg tenker på det som motstridende ærlig i og med at jeg pleide å gjøre dette bare fordi jeg trodde folk ville være uærlige og prøve å lure meg eller antyde at jeg ikke prøvde

litt serviettmatematikk om hvorfor Claude Code med 200USD-planen i utgangspunktet er uslåelig hvis du har >1B tokens i måneden og vil ha den "best mulige modellen uten å gå blakk" Hver modell billigere enn den er verre, hver modell dyrere enn den er sjelden objektivt sett bedre Tl; dr den eneste måten for GPT-5 å erstatte Claude Code i en tung arbeidsflyt er enten: du bruker falske VC / selskapspenger eller kostnadene subsidieres gjennom noe sånt som Cursor eller et tilsvarende OpenAI-abonnement som bunter codex cli-bruk

OpenAI-dokumenter returnerer alltid 403 når de åpnes fra Claude Code #Nooticing

noen tilfeldige TT-Evolve-skjermbilder fra 1. august (sist gang jeg jobbet med det 🙏) Noen vær så snill å mobbe meg til å gi ut dette for Tenstorrent-folkens... det er ikke mye, det er i utgangspunktet en sele som lar deg slippe en TT-metallkjerne, legge til noen "EVOLVE"-blokker, fange tonnevis av profileringsinformasjon og kjøre et LLM-basert søk parallelt med profileringsberegningene som veiledning for å finne optimaliseringer (binning av kjernekandidater med MAP-Elites), i utgangspunktet en re-implementering av AlphaEvolve. Det har blitt gjort i flere måneder, jeg ble bare distrahert + jeg kan sjelden slå på Big Dave på grunn av lyden og at den er på kontoret mitt (og kontoret mitt er okkupert av min Stardew Valley-avhengige kjæreste om kveldene). Jeg synes ikke den er spesielt godt laget, men den har en fin TUI, den kan fungere for tt-nn-moduler, har noen fine devx her og der, og den optimaliserer absolutt metallkjerner (inkludert multi-chip). Den fikk absolutt hver eneste programming_examples/kjerner jeg har prøvd å være raskere, optimalisert NoC-båndbredde osv...

en interessant merknad er at hele "det er ikke bare {{{ting}}} - det er {{{større ting}}}" skrevet særhet som er assosiert med ChatGPT er sinnsykt vanlig i Sonnet/Opus 4. Sonnet spammer det hele tiden og føler seg veldig tilbøyelig til å slurve med ting, og Opus vil snike disse inn i det mest skremmende øyeblikket, og begge er utsatt for subtil sykofani i chat-modus (det er måter å trampe det ut gjennom jording med nettsøk osv... men selv da) jeg antar at poenget mitt er at det ikke bare er et ChatGPT-problem – det er egentlig en grunnleggende konsekvens av RLHF benchmarkmaxxing western slop!

det er noe litt trist at å forutsi fMRI-hjerneresponser på naturalistiske videostimuli, kan gjøre det utrolig bra med bare noen data og, dessverre, et par Python-linjer Skjønner du hva jeg mener? Som at koden er lesbar og forenklet av natur (så det er tilfellet for AVG Transformers-modellen som bruker Torch, etc) Som Torch og Python er et for godt API over Cuda-kjerner, fjerner det nesten noe av sjarmen enkel rumpekode som kaller "ganske enkel veldig rask matematikk" + mye data er nok den eneste komplekse delen er ML-kompilatoren og målets arkitektur alt dette er helt selvinnlysende og velkjent, det er ikke en erkjennelse eller noe, jeg synes bare det er morsomt at å forutsi hjerneresponser er 500 loc python og litt data i 2025 (takket være Lovecraft-kompleksiteten til moderne GPUer og ML-kompilatorer som er så pent gjemt bort)

syntetiske data om guddommelig nushell-bruk ville 1000000 ganger modellens IQ vs den sprø unixslop

den nåværende maskinlæringsæraen har vært en av de mest dyptgripende tingene i nesten 100 år med informatikk, men den ser 10000 ganger mer ekkelt ut enn noen andre vitenskapelige prestasjoner innen datavitenskap en del av det er at vi er i den mest effektive hypertilkoblede bleep-bloop SaaS stonk-go-up penger-er-ikke-ekte æra gjennom tidene men også fordi i tidligere epoker var de offentlige ansiktene de faktiske pionerene. Jada, "offentlig" den gang var som tre offentlige opptredener i året og innebar ikke å være aktiv på sosiale medier hver dag. Men likevel, i denne epoken, er de mest synlige offentlige stemmene produktsjefer, tilfeldige kodere, MBA-er, øglemilliardærer osv. Det er derfor det hele stort sett ikke har noen storhet fra utsiden som ser inn, og hvorfor du stort sett bør ignorere alt