gonzo_ML_podcasts

Последние публикации канала «gonzo_ML_podcasts»

1. 16 просмотров, 18 июл. 2026 г.

   Чтобы сделать этот фреймворк устойчивым к манипуляциям, будущие итерации должны включать штрафы за отсутствие семантической новизны для борьбы с копированием шаблонов, а также более строгие протоколы верификации в открытых доменах. Тем не менее, как proof-of-concept, эта работа доказывает: конкурентные автоматизированные экосистемы способны надёжно выстраивать рейтинги возможностей моделей и генерировать высококачественные out-of-distribution задачи. Для любой лаборатории, серьёзно занимающейся супервыравниванием (superalignment), фильтрацией данных для пост-тренинга или автоматическим red…

   Открыть пост в MAX
2. 8 просмотров, 18 июл. 2026 г.

   Теоретический фундамент этой парадигмы (состязательной психометрики) опирается на классическую психометрику, в частности на модель Раша (Rasch model), но адаптирует её к многоагентной игре. Система отслеживает пул из N моделей, каждая из которых поочерёдно выступает в роли пропозера или солвера. В каждом раунде пропозер генерирует бинарную задачу и фиксирует свой ответ y_hat ∈ {0, 1} . Пул из m моделей-солверов оценивает публичную задачу и выдаёт апостериорную вероятность p_i ∈ [0, 1] , отражающую их уверенность в том, что правильный ответ — 1. Эта вероятность рассчитывается напрямую из…

   Открыть пост в MAX
3. 8 просмотров, 18 июл. 2026 г.

   SepaRank полностью обходит эти абсолютные статичные параметры, переходя к неантропоцентрической относительной игре. Вместо человеческого бейзлайна или статичной сложности задач ( b_j ), SepaRank определяет сложность динамически через дисперсию уверенности моделей-солверов. Когда способности моделей перешагивают порог человеческих экспертов (где классические тесты насыщаются), состязательная психометрика раскрывает себя во всей красе. Она использует эти сверхчеловеческие модели, чтобы алгоритмически прощупывать и находить границы друг друга, предлагая масштабируемый протокол верификации…

   Открыть пост в MAX
4. 18 просмотров, 18 июл. 2026 г.

   За пределами человеческих возможностей: состязательная психометрика для оценки сверхразумного ИИ Measuring Intelligence Beyond Human Scale Jerry Han, Rafael Moschopoulos, Ella Colby, Vishrut Goyal, Andrew Tu, Kia Ghods, Mark Braverman, Elad Hazan / Princeton Superalignment Paper: https://arxiv.org/abs/2607.07040 Review: https://arxiviq.substack.com/p/measuring-intelligence-beyond-human Code: N/A Model: N/A # TL;DR ЧТО сделали: Авторы представили SepaRank — теоретико-игровой фреймворк для оценки моделей, основанный на «состязательной психометрике». Вместо статичных бенчмарков, созданных…

   Открыть пост в MAX
5. 7 просмотров, 18 июл. 2026 г.

   w_tilde_i^(r+1) = w_i^(r) * exp(η * G_i^(r)) w_i^(r+1) = (1 - ε) * (w_tilde_i^(r+1) / Σ w_tilde_j^(r+1)) + ε / m где η = 0.2 — скорость обучения (learning rate), а ε = 0.05 — коэффициент равномерного перемешивания, который не даёт весу сэмплирования ни одной модели упасть до нуля. Это адаптивное взвешивание со временем смещает выборку солверов в сторону более сильных моделей. Это заставляет пропозеров придумывать всё более изощрённые вопросы, способные расколоть топовый пул. Для безопасности и воспроизводимости исполнение программ жёстко изолировано. Код запускается в песочнице, где разрешена…

   Открыть пост в MAX