I registri dei sensori robotici, la telemetria delle auto a guida autonoma, i parametri vitali degli ospedali - tutte serie temporali, tutte che superano di gran lunga i dati testuali e video su cui l'industria dell'AI ha speso anni a ottimizzare. E il motivo per cui i modelli transformer (Claude, ChatGPT, ecc.) non possono prevedere così bene: trasformano numeri continui in token discreti, e quella tokenizzazione probabilmente distrugge la precisione di cui il problema ha bisogno. Google, Amazon, Datadog hanno tutti costruito modelli proprietari per compensare, ma quei modelli hanno visto solo numeri storici, mai il rapporto sugli utili o il cambiamento di politica che li ha causati. Migas 1.5 di @synthefyinc è il primo modello di fondazione a pesi aperti che combina testo e serie temporali per indurre tali informazioni esogene nella previsione delle serie temporali in modo nativo. Numeri iniziali: tasso di successo superiore al 75% su 86 set di dati del mondo reale. MAE inferiore del 14,2%. Pesi su @huggingface. Oppure scarica e utilizza direttamente la loro nuova abilità in Claude.

Questo sembra il momento di ChatGPT per il design di prodotti fisici. Questo team ha appena utilizzato un agente autonomo per l'intero processo di design dei chip: specifiche di 219 parole in ingresso, layout di silicio pronto per il tape-out in uscita, 12 ore dopo. L'agente ha lavorato continuamente contro un simulatore, ha trovato i propri bug, ha riscritto la propria pipeline e ha iterato fino a ottenere una CPU funzionante! Il design dei chip costa ben oltre 400 milioni di dollari e richiede fino a 9 anni. Non perché scrivere codice hardware sia difficile (in realtà è brutalmente difficile), ma perché un respin costa decine di milioni. Quindi i team spendono più della metà del loro budget totale solo per verificare che il design sia corretto prima che venga posizionato un singolo transistor. Questa struttura dei costi è il motivo per cui la maggior parte dei design di chip non viene mai realizzata. Intere categorie di prodotti che in precedenza erano troppo a basso volume per giustificare un tape-out sono ora realizzabili.

RT @kenjon: 1,3 milioni di visualizzazioni. Grok non risponderà. Le note della community sono troppo lente Condiviso con @bitmind e ho ottenuto la verità in 3 secondi direttamente o...