Mistral AI lançou o modelo Mistral Large 2, com uma janela de contexto de 128k e suporte para mais de 80 linguagens de programação, otimizado para inferência em nó único com 123 bilhões de parâmetros.
A precisão do modelo atinge 84,0% no MMLU, superando modelos anteriores e rivais como GPT-4o e Llama 3 405B, com capacidades aprimoradas para minimizar "alucinações" e melhorar o raciocínio.
Mistral Large 2 está disponível sob diferentes licenças para uso não comercial e comercial, com pesos hospedados no HuggingFace e parcerias ampliadas de serviços em nuvem, incluindo Google Cloud Platform e Azure AI Studio.
Os novos modelos da Mistral AI, Large 2, e o Llama 3.1 405B da Meta foram testados e considerados comparáveis, sem um vencedor claro.
Os usuários destacaram que Claude continua sendo uma opção forte, mas expressaram o desejo de melhorias, como respostas mais inteligentes, janelas de contexto mais longas e respostas mais rápidas.
Apesar de alguns modelos enfrentarem dificuldades com tarefas simples devido a problemas de tokenização, o rápido desenvolvimento e a competição entre modelos de IA continuam empolgantes, com muitos usuários migrando para modelos como o Claude Sonnet 3.5 para melhor desempenho em codificação e outras tarefas.
A diabética Tipo 1 desenvolveu um aplicativo Windows Forms com gráficos OxyPlot para melhor visualizar e gerenciar a ingestão de insulina e carboidratos.
Indivíduo utilizou o GeneticSharp, uma biblioteca de algoritmos genéticos, para otimizar dosagens de insulina, estabilizando com sucesso os níveis de glicose.
A abordagem mostra potencial para o gerenciamento personalizado do diabetes, embora sejam necessárias mais simulações e ajustes para a insulina de ação prolongada.
Indivíduos com diabetes estão compartilhando experiências pessoais e estratégias para gerenciar sua condição, enfatizando a importância do automonitoramento e do registro de dados.
Vários métodos discutidos incluem mudanças na dieta, monitoramento contínuo de glicose (CGM) e acompanhamento personalizado dos impactos dos alimentos e exercícios nos níveis de açúcar no sangue.
As conversas destacam um sentimento comum de autossuficiência devido às inadequações percebidas na gestão do diabetes pelo sistema de saúde.
Agora, o Google é o único motor de busca que pode exibir resultados recentes do Reddit, tornando o conteúdo do Reddit exclusivo para o Google.
Outros motores de busca como Bing, DuckDuckGo e Qwant não conseguem mostrar resultados recentes do Reddit, com o DuckDuckGo fornecendo links limitados sem descrições.
Esta situação destaca o quase monopólio do Google na busca, afetando a concorrência e atraindo críticas sobre a qualidade das buscas, com especulações de um acordo de vários milhões de dólares permitindo que o Google extraia dados do Reddit para treinamento de IA.
Google se tornou o mecanismo de busca exclusivo para o Reddit devido a um novo acordo de IA, com o arquivo robots.txt do Reddit bloqueando outros mecanismos de busca de indexar seu conteúdo.
Esta decisão gerou debates sobre seus efeitos na concorrência entre motores de busca e os princípios de uma internet aberta.
Preocupações foram levantadas sobre a natureza anticompetitiva do acordo e seu potencial impacto adverso na experiência do usuário e na acessibilidade ao conteúdo.
Os viajantes podem optar por não usar o reconhecimento facial no aeroporto afastando-se da câmera, apresentando sua identificação e declarando: 'Eu opto por não usar biometria.'
A campanha 'Freedom Flyers' da Algorithmic Justice League visa aumentar a conscientização sobre esse direito, especialmente à medida que a TSA planeja expandir o reconhecimento facial para todos os aeroportos dos EUA.
Reconhecimento facial apresenta riscos como vazamentos de dados, identificação incorreta, viés de IA e a normalização da vigilância, com preocupações significativas de privacidade sobre a retenção e uso de dados biométricos.
Experiências ao optar por não participar de escaneamentos faciais em aeroportos variam significativamente, com alguns usuários enfrentando resistência e outros não encontrando problemas.
Avançadas câmeras nos aeroportos capturam imagens 3D para alta precisão no reconhecimento facial, levantando preocupações sobre a retenção de dados faciais e vigilância pervasiva.
Ainda continua o debate sobre se optar por não participar é essencial para resistir à normalização das práticas de vigilância ou se é inútil devido à ubiquidade de tais tecnologias.
CrowdStrike, uma empresa de cibersegurança, causou uma interrupção global em 19 de julho devido a uma atualização defeituosa, afetando milhões de computadores e levando a interrupções significativas, como atrasos em aeroportos e cirurgias paralisadas.
As desculpas, a empresa ofereceu cartões-presente de $10 do Uber Eats aos seus parceiros, mas alguns destinatários relataram que os vouchers eram inválidos.
CrowdStrike's CEO e diretor de segurança emitiram desculpas públicas, reconhecendo a gravidade do incidente e comprometendo-se com a transparência e medidas de prevenção futuras.
CrowdStrike emitiu cartões-presente de $10 do Uber Eats para se desculpar por uma interrupção, mas muitos usuários acharam os vouchers inválidos, levando a críticas e especulações sobre a competência da empresa.
Alguns usuários suspeitaram que o problema com o cartão-presente poderia ser uma tentativa de phishing ou um hack, prejudicando ainda mais a reputação da CrowdStrike.
A atitude foi percebida como inadequada e insultante, especialmente considerando o impacto significativo da interrupção em serviços críticos como companhias aéreas e hospitais, gerando discussões sobre possíveis responsabilidades legais.
As agências DEA e TSA têm colaborado para apreender o dinheiro de viajantes, visando aqueles que carregam grandes quantias de dinheiro, utilizando informantes e pontos de controle da TSA para identificar indivíduos e alegando que eles 'consentem' com as buscas.
Essa prática, que se estende aos trens da Amtrak com a ajuda da Alfândega e Proteção de Fronteiras dos EUA, envolve a 'confiscação civil', onde o dinheiro é apreendido sem um mandado, muitas vezes ignorando a recusa dos passageiros em consentir.
Uma ação coletiva em andamento destaca a frequência dessas buscas ilegais, com os demandantes argumentando que o volume de registros indica um problema sistêmico, apesar da resistência da DEA e da TSA em divulgar esses registros.
A cerimônia de casamento foi interrompida por uma enchente repentina, necessitando de uma operação de resgate, embora não tenham ocorrido ferimentos graves.
Polícia deteve os participantes em ônibus com cães farejadores de drogas antes de movê-los para um abrigo em uma escola secundária, aumentando seu sofrimento.
A ocorrência gerou uma discussão sobre o abuso de poder pelas forças de segurança, a apreensão de bens civis e a guerra contra as drogas, destacando a necessidade de reforma e seu impacto na confiança e segurança pública.
A nova implementação em C para inferência nos modelos Transformer Llama 2 e Llama 3/3.1 foi lançada, apresentando passagem direta quantizada em int8.
As funcionalidades do código incluem suporte para diversos ambientes, como Linux Kernel, Unikraft Unikernel e modelos embarcados via Zip Archive.
Os usuários podem personalizar parâmetros como temperatura, amostragem top-p e versão do modelo através de argumentos de linha de comando, aumentando a flexibilidade para diferentes casos de uso.
Os modelos Llama 3.1 da Meta podem gerar texto multilíngue, mas a implementação atual em C ainda apresenta falhas e requer mais refinamento.
Iniciar o projeto envolve quantizar o modelo para 8 bits, o que pode degradar a qualidade do resultado, humoristicamente referido como 'dano cerebral.'
Ativamente, a comunidade está contribuindo para melhorar a implementação, com discussões sobre métodos de quantização ótimos e a extensão do comprimento do contexto usando novas técnicas de escalonamento.
EMACS, um editor de texto, foi desenvolvido no MIT AI Lab em 1976, com Richard Stallman (RMS) tornando-se o principal desenvolvedor no final daquele ano.
RMS nomeou "E" e "EMACS" e desempenhou um papel crucial na transformação dos macros TECO em um editor poderoso, com a ajuda inicial de Guy Steele, David Moon e John Kulp.
Os primeiros usuários, incluindo Moon, contribuíram para as combinações de teclas e nomes de comandos, destacando a natureza colaborativa e orientada pela comunidade do desenvolvimento do EMACS.
In 1976, o MIT-AI usava "at" em vez do símbolo @ para endereços de e-mail devido à ausência do DNS (Sistema de Nomes de Domínio).
Os primeiros cientistas da computação preferiam formatos de data claros como "dd MON yy" e discutiam os primeiros sistemas de arquivos de rede e protocolos como MLDEV e SUPDUP.
Emacs, um editor de texto inicialmente escrito em TECO, evoluiu com contribuições de desenvolvedores como James Gosling, que criou uma versão para Unix em 1981.
Scrapscript é uma linguagem de programação com um interpretador disponível para Python 3.8+ e Cosmopolitan, e suporta Docker para execução em contêineres.
A sintaxe do Scrapscript será atualizada em breve, e os usuários podem consultar scrapscript.py e seus testes para entender a linguagem.
Um compilador experimental está disponível, capaz de produzir saídas nos formatos ELF, Cosmopolitan e Wasm, com comandos específicos fornecidos para cada um.
Scrapscript é uma nova linguagem de programação funcional e endereçável por conteúdo, projetada para resolver problemas de compartilhamento de software usando tipos semelhantes a JSON, funções e referências com hash.
Ao contrário do Unison, que usa um paradigma baseado em git, o Scrapscript é mais ambicioso e foca no IPFS (InterPlanetary File System) para identificação e serialização de código.
A linguagem ganhou atenção devido ao seu desenvolvimento público e à jornada pessoal de seu criador, que superou o alcoolismo enquanto trabalhava no projeto.
Pesquisadores enfrentam desafios na publicação de resultados nulos, que não mostram uma relação significativa entre variáveis, levando a um viés que favorece descobertas positivas.
Esse viés de publicação distorce o registro científico e desperdiça recursos, como visto no estudo inconclusivo da bióloga evolutiva Natalie Pilakouta sobre as preferências dos peixes nas fontes termais da Islândia.
Esforços para abordar essa questão incluem revistas incentivando relatórios pré-registrados, mas a adoção lenta e a percepção de que resultados nulos indicam pesquisas falhas continuam sendo obstáculos significativos.
A discussão destaca os desafios e a falta de incentivos para a publicação de resultados nulos na pesquisa científica, apesar de seu potencial valor.
A maioria dos cientistas está disposta a publicar resultados nulos, mas muito poucos conseguem fazê-lo devido a barreiras sistêmicas e à falta de demanda de revistas de alto nível.
Algumas sugestões incluem a criação de periódicos dedicados a resultados nulos, a integração de resultados nulos como apêndices nas publicações principais e a melhoria do processo de revisão por pares para incluir o pré-registro de métodos.
Um novo site, https://glhf.chat/, permite que os usuários executem quase qualquer LLM (Modelo de Linguagem de Grande Escala) de código aberto em clusters de GPU com escalonamento automático gratuitamente durante a fase de determinação de preços.
A plataforma suporta qualquer modelo compatível com o projeto de código aberto vLLM, oferecendo até ~640GB de VRAM, e visa ser mais econômica do que outros serviços de GPU ao executar modelos multi-inquilino.
A plataforma foi lançada no Dia de Lançamento do Llama-3.1-405B e suporta modelos eficientes como os ajustes finos do Llama-3-70b, com planos para melhorar o suporte a modelos maiores e resolver as limitações atuais.
glhf.chat permite que os usuários executem quase qualquer LLM (Modelo de Linguagem de Grande Escala) de código aberto em clusters de GPU com escalonamento automático, atualmente gratuito enquanto determinam o preço.
A plataforma suporta qualquer modelo compatível com o projeto de código aberto vLLM, incluindo modelos populares como Llama-3-70b finetunes, com algumas limitações devido a problemas com NVLink.
Lançado no Dia de Lançamento do Llama-3.1-405B, a plataforma visa ser econômica ao executar modelos em um ambiente multi-inquilino e acolhe o feedback dos usuários.
Pnut é um transpiler de C para shell POSIX que converte programas em C em scripts de shell legíveis por humanos, garantindo alta portabilidade em shells compatíveis com POSIX.
Permite que os desenvolvedores escrevam scripts em C sem precisar aprender uma nova linguagem, e a saída é fácil de inspecionar, depurar e manter.
Pnut funciona em todos os principais sistemas operacionais, incluindo Linux, macOS e Windows, e é licenciado sob a Licença BSD-2 Clause.
Pnut é um compilador de C para shell POSIX que pode ser distribuído como um script de shell legível por humanos, permitindo builds reprodutíveis a partir de arquivos-fonte.
Ele pode se compilar e, com esforço, o Tiny C Compiler (TCC), que pode então inicializar a GNU Compiler Collection (GCC), criando uma cadeia completa de ferramentas de construção.
Embora elogiado por sua inovação, o Pnut enfrenta críticas em relação a limitações práticas, como o manuseio de E/S binária e certos construtos em C, além de opiniões divergentes sobre sua confiabilidade e completude.
MPPP (1-metil-4-fenil-4-propionoxipiperidina) é uma droga de design relatada pela primeira vez em 1947, destinada a ser um analgésico, mas considerada não melhor do que as opções existentes.
Em 1976, Barry Kidston sintetizou MPPP e desenvolveu sintomas semelhantes aos do Parkinson devido a uma impureza, MPTP, que mata seletivamente células cruciais para o controle motor.
As manifestações de sintomas de Parkinson em 1982, ligadas à heroína sintética contaminada com MPTP, levaram a importantes descobertas científicas sobre a doença de Parkinson e destacaram os perigos da síntese amadora de drogas.
As discussões giram em torno dos perigos das drogas sintéticas, particularmente MPPP e seu subproduto MPTP, que têm sido associados a sintomas semelhantes aos do Parkinson em usuários.
Enfatiza-se os riscos associados às drogas sintéticas, a importância da pureza das drogas e os potenciais benefícios de legalizar e regulamentar as drogas para garantir a segurança.
Usuários compartilham experiências pessoais e enfatizam a necessidade de cautela e testes adequados, ao mesmo tempo em que abordam as implicações mais amplas da proibição de drogas e os desafios de garantir o consumo seguro.
Micromouse é uma competição de robótica onde pequenos robôs autônomos resolvem um labirinto de 16×16, originada no final da década de 1970 e popular em vários países, incluindo o Reino Unido, EUA e Japão.
Robôs usam algoritmos como Bellman flood-fill, Dijkstra e A* para navegação, com velocidades máximas que excedem três metros por segundo; o recorde mundial atual é de 3,921 segundos por Ng Beng Kiat.
Avanços recentes incluem o uso de ventiladores para força descendente adicional, permitindo acelerações superiores a 2,5g, e uma variante chamada Half-Size Micromouse usa um labirinto de 32×32 com dimensões menores.
Micromouse é uma competição de robótica onde pequenos robôs navegam por um labirinto, com um vídeo recente do Veritasium destacando o tema.
A competição inclui uma fase de reconhecimento para mapear o labirinto, e diferentes estratégias como seguir paredes e mapear o labirinto são usadas.
A atividade envolve jovens em programação e engenharia, com categorias como robôs LEGO e robôs mais avançados, demonstrando a evolução da tecnologia ao longo das décadas.