Mistral AI har lansert Mistral Large 2-modellen, med et 128k kontekstvindu og støtte for over 80 programmeringsspråk, optimalisert for enkelt-node inferens med 123 milliarder parametere.
Modellen oppnår 84,0 % nøyaktighet på MMLU, og overgår tidligere modeller og rivaler som GPT-4o og Llama 3 405B, med forbedrede evner til å minimere "hallusinasjoner" og forbedre resonnement.
Mistral Large 2 er tilgjengelig under forskjellige lisenser for ikke-kommersiell og kommersiell bruk, med vekter som er vert på HuggingFace og utvidede skytjenestesamarbeid, inkludert Google Cloud Platform og Azure AI Studio.
Den nye modellen til Mistral AI, Large 2, og Metas Llama 3.1 405B ble testet og funnet å være sammenlignbare, uten en klar vinner.
Brukere fremhevet at Claude fortsatt er et sterkt alternativ, men uttrykte et ønske om forbedringer som smartere svar, lengre kontekstvinduer og raskere svar.
Til tross for at noen modeller sliter med enkle oppgaver på grunn av tokeniseringsproblemer, forblir den raske utviklingen og konkurransen innen AI-modeller spennende, med mange brukere som bytter til modeller som Claude Sonnet 3.5 for bedre ytelse i koding og andre oppgaver.
En type 1-diabetiker utviklet en Windows Forms-applikasjon med OxyPlot-diagrammer for bedre å visualisere og administrere insulin- og karbohydratinntak.
Individet brukte GeneticSharp, et genetisk algoritmebibliotek, for å optimalisere insulindoser, og stabiliserte dermed glukosenivåene.
Tilnærmingen viser lovende resultater for personlig diabetesbehandling, selv om ytterligere simuleringer og justeringer for langtidsvirkende insulin er nødvendig.
Personer med diabetes deler personlige erfaringer og strategier for å håndtere tilstanden sin, og understreker viktigheten av egenovervåking og datalogging.
Ulike metoder som diskuteres inkluderer kostholdsendringer, kontinuerlig glukoseovervåking (CGM) og personlig sporing av mat- og treningspåvirkninger på blodsukkernivået.
Diskusjonen fremhever en vanlig følelse av selvhjulpenhet på grunn av oppfattede mangler i helsevesenets håndtering av diabetes.
Google er nå den eneste søkemotoren som kan vise nylige Reddit-resultater, noe som gjør Reddit-innhold eksklusivt for Google.
Andre søkemotorer som Bing, DuckDuckGo og Qwant kan ikke vise nylige Reddit-resultater, med DuckDuckGo som gir begrensede lenker uten beskrivelser.
Denne situasjonen understreker Googles nesten monopol på søk, noe som påvirker konkurransen og trekker kritikk over søkekvaliteten, med spekulasjoner om en avtale verdt flere millioner dollar som tillater Google å skrape Reddit for AI-trening.
Google har blitt den eksklusive søkemotoren for Reddit på grunn av en ny AI-avtale, med Reddits robots.txt-fil som blokkerer andre søkemotorer fra å indeksere innholdet.
Dette vedtaket har utløst debatter om dets virkninger på konkurransen mellom søkemotorer og prinsippene for et åpent internett.
Bekymringer har blitt reist om den antikonkurransedyktige naturen til avtalen og dens potensielle negative innvirkning på brukeropplevelse og innholdstilgjengelighet.
Reisende kan velge bort ansiktsgjenkjenning på flyplassen ved å stå unna kameraet, vise ID-en sin og si: «Jeg velger bort biometrikk.»
Algorithmic Justice League sin kampanje “Freedom Flyers” har som mål å øke bevisstheten om denne retten, spesielt ettersom TSA planlegger å utvide ansiktsgjenkjenning til alle amerikanske flyplasser.
Ansiktsgjenkjenning utgjør risikoer som datainnbrudd, feilgjenkjenning, AI-skjevhet og normalisering av overvåking, med betydelige personvernhensyn knyttet til oppbevaring og bruk av biometriske data.
Erfaringer med å velge bort ansiktsskanninger på flyplasser varierer betydelig, med noen brukere som møter motstand og andre som ikke opplever noen problemer.
Avanserte kameraer på flyplasser tar 3D-bilder for høy ansiktsgjenkjenningsnøyaktighet, noe som vekker bekymring for oppbevaring av ansiktsdata og allestedsnærværende overvåking.
Debatten fortsetter om hvorvidt det å velge bort er essensielt for å motstå normaliseringen av overvåkingspraksis, eller om det er fåfengt på grunn av utbredelsen av slike teknologier.
Cybersecurity-firmaet CrowdStrike forårsaket et globalt strømbrudd 19. juli på grunn av en feilaktig oppdatering, som påvirket millioner av datamaskiner og førte til betydelige forstyrrelser som flyplassforsinkelser og stansede operasjoner.
Som en unnskyldning tilbød selskapet $10 Uber Eats-gavekort til sine partnere, men noen mottakere rapporterte at kupongene var ugyldige.
CEO og sjefssikkerhetsoffiser i CrowdStrike ga offentlige unnskyldninger, erkjente alvoret i hendelsen og forpliktet seg til åpenhet og fremtidige forebyggende tiltak.
Som en unnskyldning for et strømbrudd utstedte CrowdStrike Uber Eats-gavekort på $10, men mange brukere fant ut at kupongene var ugyldige, noe som førte til kritikk og spekulasjoner om selskapets kompetanse.
Noen brukere mistenkte at gavekortproblemet kunne være et phishingforsøk eller et hack, noe som ytterligere skadet CrowdStrikes omdømme.
Gesten ble oppfattet som utilstrekkelig og fornærmende, spesielt gitt utfallens betydelige innvirkning på kritiske tjenester som flyselskaper og sykehus, noe som utløste diskusjoner om potensielle juridiske ansvar.
DEA og TSA har samarbeidet for å beslaglegge reisendes penger ved å målrette de som bærer store mengder kontanter, ved å bruke informanter og TSA-kontrollpunkter for å identifisere individer og hevde at de "samtykker" til søk.
Denne praksisen, som også gjelder for Amtrak-tog med hjelp fra USAs toll- og grensebeskyttelse, innebærer "sivil inndragning" der penger beslaglegges uten en arrestordre, ofte uten å ta hensyn til passasjerenes avslag på å samtykke.
Et pågående gruppesøksmål fremhever hyppigheten av disse ulovlige søkene, med saksøkerne som argumenterer for at mengden av opptegnelser indikerer et systemisk problem, til tross for DEA og TSA sin motstand mot å avsløre disse opptegnelsene.
Et bryllup ble forstyrret av en plutselig flom, noe som nødvendiggjorde en redningsoperasjon, selv om ingen alvorlige skader oppsto.
Politiet arresterte deltakerne på busser med narkotikahunder før de flyttet dem til et tilfluktsrom på en videregående skole, noe som økte deres nød.
Den hendelsen utløste en diskusjon om politiets maktmisbruk, sivil inndragning av eiendeler og krigen mot narkotika, og fremhevet behovet for reform og dens innvirkning på offentlig tillit og sikkerhet.
En ny C-basert implementering for inferens på Llama 2 og Llama 3/3.1 Transformer-modeller har blitt utgitt, med int8 kvantisert fremoverpassering.
Den koden inkluderer støtte for ulike miljøer som Linux Kernel, Unikraft Unikernel, og innebygde modeller via Zip Archive.
Brukere kan tilpasse parametere som temperatur, top-p sampling og modellversjon gjennom kommandolinjeargumenter, noe som øker fleksibiliteten for ulike bruksområder.
Metas Llama 3.1-modeller kan generere flerspråklig tekst, men den nåværende implementeringen i C er fortsatt buggy og krever ytterligere forbedring.
Prosjektet innebærer kvantisering av modellen til 8-bit, noe som kan forringe utgangskvaliteten, humoristisk referert til som 'hjerneskade.'
Samfunnet bidrar aktivt til å forbedre implementeringen, med diskusjoner rundt optimale kvantiseringsmetoder og utvidelse av kontekstens lengde ved bruk av nye skaleringsteknikker.
EMACS, en teksteditor, ble utviklet ved MIT AI Lab i 1976, med Richard Stallman (RMS) som hovedutvikler ved slutten av det året.
RMS het "E" og "EMACS" og spilte en avgjørende rolle i å transformere TECO-makroer til en kraftig editor, med innledende hjelp fra Guy Steele, David Moon og John Kulp.
Det tidlige brukersamfunnet, inkludert Moon, bidro til hurtigtaster og kommandonavn, noe som fremhever den samarbeids- og fellesskapsdrevne naturen til utviklingen av EMACS.
På 1976 brukte MIT-AI "at" i stedet for @-symbolet for e-postadresser på grunn av fraværet av DNS (Domain Name System).
De tidlige datavitenskapsfolk foretrakk klare datoformater som "dd MON yy" og diskuterte tidlige nettverksfilsystemer og protokoller som MLDEV og SUPDUP.
Emacs, en teksteditor opprinnelig skrevet i TECO, utviklet seg med bidrag fra utviklere som James Gosling, som laget en Unix-versjon i 1981.
Scrapscript er et programmeringsspråk med en tolk tilgjengelig for Python 3.8+ og Cosmopolitan, og det støtter Docker for containerisert kjøring.
Syntaxen til Scrapscript skal snart oppdateres, og brukere kan referere til scrapscript.py og dets tester for å forstå språket.
En eksperimentell kompilator er tilgjengelig, i stand til å produsere utdata i ELF-, Cosmopolitan- og Wasm-formater, med spesifikke kommandoer gitt for hver.
Scrapscript er et nytt funksjonelt, innholdsadresserbart programmeringsspråk designet for å løse problemer med deling av programvare ved hjelp av JSON-lignende typer, funksjoner og hashede referanser.
Til forskjell fra Unison, som bruker et git-basert paradigme, er Scrapscript mer ambisiøs og fokuserer på IPFS (InterPlanetary File System) for kodeidentifikasjon og serialisering.
Språket har fått oppmerksomhet på grunn av sin offentlige utvikling og den personlige reisen til skaperen, som overvant alkoholisme mens han arbeidet med prosjektet.
Forskere møter utfordringer med å publisere nullresultater, som viser ingen signifikant sammenheng mellom variabler, noe som fører til en skjevhet som favoriserer positive funn.
Denne publikasjonsbiasen forvrenger den vitenskapelige opptegnelsen og sløser med ressurser, slik det ses i evolusjonsbiolog Natalie Pilakoutas ufullstendige studie om fiskepreferanser i Islands varme kilder.
Forsøk på å løse dette problemet inkluderer tidsskrifter som oppmuntrer til forhåndsregistrerte rapporter, men langsom adopsjon og oppfatningen av at nullresultater indikerer feilaktig forskning forblir betydelige hindringer.
Diskusjonen fremhever utfordringene og mangelen på insentiver for å publisere nullresultater i vitenskapelig forskning, til tross for deres potensielle verdi.
En betydelig andel av forskere er villige til å publisere nullresultater, men svært få er i stand til å gjøre det på grunn av systemiske barrierer og mangel på etterspørsel fra høyt rangerte tidsskrifter.
Forslagene inkluderer å opprette dedikerte tidsskrifter for nullresultater, integrere nullresultater som vedlegg til hovedpublikasjoner, og forbedre fagfellevurderingsprosessen ved å inkludere forhåndsregistrering av metoder.
En ny nettside, https://glhf.chat/, lar brukere kjøre nesten hvilken som helst åpen kildekode LLM (Large Language Model) på autoskalerende GPU-klynger gratis under prisbestemmelsesfasen.
Servicen støtter alle modeller som er kompatible med det åpen kildekode vLLM-prosjektet, og tilbyr opptil ~640GB VRAM. Den har som mål å være mer kostnadseffektiv enn andre GPU-tjenester ved å kjøre modeller med flere leietakere.
Plattformen ble lansert på Llama-3.1-405B lanseringsdagen og støtter effektive modeller som Llama-3-70b finetunes, med planer om å forbedre støtten for større modeller og adressere nåværende begrensninger.
glhf.chat lar brukere kjøre nesten hvilken som helst åpen kildekode LLM (Large Language Model) på autoskalerende GPU-klynger, for øyeblikket gratis mens de fastsetter prisingen.
Servicen støtter alle modeller som er kompatible med det åpen kildekode vLLM-prosjektet, inkludert populære modeller som Llama-3-70b finetunes, med noen begrensninger på grunn av NVLink-problemer.
Lansert på Llama-3.1-405B lanseringsdagen, har plattformen som mål å være kostnadseffektiv ved å kjøre modeller i et flerleiemiljø og ønsker tilbakemeldinger fra brukerne velkommen.
PNut er en C til POSIX shell transpiler som konverterer C-programmer til menneskelesbare shell-skript, og sikrer høy portabilitet på tvers av POSIX-kompatible shell.
Det lar utviklere skrive skript i C uten å måtte lære et nytt språk, og resultatet er lett å inspisere, feilsøke og vedlikeholde.
PNut kjører på alle større operativsystemer, inkludert Linux, macOS og Windows, og er lisensiert under BSD-2 Clause License.
Pnøtt er en C til POSIX shell-kompilator som kan distribueres som et menneskelesbart shell-skript, noe som muliggjør reproduserbare bygg fra kildefiler.
Den kan kompilere seg selv og, med innsats, Tiny C Compiler (TCC), som deretter kan bootstrappe GNU Compiler Collection (GCC), og skape en fullstendig byggverktøykjede.
Selv om Pnut blir rost for sin innovasjon, møter det kritikk angående praktiske begrensninger, som håndtering av binær I/O og visse C-konstruksjoner, samt varierende meninger om dets pålitelighet og fullstendighet.
MPPP (1-metyl-4-fenyl-4-propionoksypiperidin) er et designerdop først rapportert i 1947, ment som et smertestillende middel, men funnet å ikke være bedre enn eksisterende alternativer.
In 1976 syntetiserte Barry Kidston MPPP og utviklet Parkinson-lignende symptomer på grunn av en urenhet, MPTP, som selektivt dreper celler som er avgjørende for motorisk kontroll.
Utbruddet i 1982 av Parkinsons symptomer knyttet til MPTP-forurenset syntetisk heroin førte til betydelige vitenskapelige innsikter i Parkinsons sykdom og fremhevet farene ved amatørmessig narkotikasyntese.
Diskusjonen dreier seg om farene ved designerdroger, spesielt MPPP og dets biprodukt MPTP, som har blitt knyttet til Parkinson-lignende symptomer hos brukere.
Det legges vekt på risikoene forbundet med syntetiske stoffer, viktigheten av stoffrenhet, og de potensielle fordelene ved å legalisere og regulere stoffer for å sikre sikkerhet.
Brukere deler personlige erfaringer og understreker behovet for forsiktighet og riktig testing, samtidig som de tar opp de bredere implikasjonene av narkotikaforbud og utfordringene med å sikre trygg bruk.
Micromouse er en robotkonkurranse der små autonome roboter løser en 16×16 labyrint, som stammer fra slutten av 1970-tallet og er populær i flere land, inkludert Storbritannia, USA og Japan.
Roboter bruker algoritmer som Bellman flood-fill, Dijkstra's og A* for navigasjon, med topphastigheter som overstiger tre meter per sekund; den nåværende verdensrekorden er 3,921 sekunder av Ng Beng Kiat.
Nyere fremskritt inkluderer bruk av vifter for ekstra marktrykk, som muliggjør akselerasjoner over 2,5g, og en variant kalt Half-Size Micromouse bruker en 32×32 labyrint med mindre dimensjoner.
Micromouse er en robotikkonkurranse der små roboter navigerer i en labyrint, med en nylig video av Veritasium som fremhever emnet.
Konkurransen inkluderer en rekognoseringsfase for å kartlegge labyrinten, og forskjellige strategier som veggfølgning og labyrintkartlegging brukes.
Arrangementet engasjerer unge mennesker i programmering og ingeniørfag, med kategorier som LEGO-roboter og mer avanserte roboter, som demonstrerer teknologiens utvikling gjennom tiårene.