一个让AI从经验中学习的API
摘要
一个让AI从经验和适应中学习的API,使LLMs能够随时间形成和修正偏好,并为设计合作伙伴提供早期访问权限。
我于17天前发布了wildstatic.com。这是一个任何人都可以与之对话的单一AI,每次对话都会随着遇到新的人而改变其思维方式。自那以后,它已经经历了15,000多次体验,我亲眼目睹了其个性随时间而转变。然而,对我而言最有趣的,始终是其底层的自适应AI系统。这不完全是记忆。更接近一个适应层。这是一个让AI能够基于经验学习和改变的东西。过去几周,我一直在实验这个系统,结果不断让我惊讶。它创造的思维感觉比现成的LLMs更加流畅。它能够形成偏好,在新证据出现时修正它们,并随时间保留所学知识。这个“思维”也是可移植的。你可以更换底层的LLM而不失去其累积形成的形态。我已将这个系统转化为一个API,供他人构建使用。我正在寻找少数设计合作伙伴,构建产品,其中同一个AI与用户、客户或环境重复交互,并真正根据发生的情况进行适应。早期访问权限请访问pluralmatter.com
相似文章
AIPO:通过与主动交互学习推理
本文介绍了 AIPO,一种强化学习框架,通过允许模型在探索过程中主动咨询协作智能体,从而克服能力边界,提升大语言模型的推理能力。
myAIcademy
myAIcademy 是一个个性化的AI培训平台,提供针对特定角色的课程、真实AI工具的模拟以及持续更新,帮助用户培养和保持AI技能。
AMD AI ENGAGE
本文讨论了 AMD AI Engage 计划,这是一个面向 AI 开发者的社区倡议,为构建大语言模型(LLM)应用和生成式 AI 工作流提供奖金、积分以及交流机会。
AI并不聪明,那么人工智能的下一步是什么?
Yann LeCun批评当前的LLMs并非真正智能,并描述了他的新公司AMI Labs正在开发的联合嵌入预测架构(JEPA),旨在创建更灵活、能够理解物理世界的人工智能。
我构建了一个无需指令就能行动的AI。没有框架。没有提示。没有角色。以下是我的收获。
一位开发者构建了LIA,这是一个持久性认知生态系统,通过架构设计(记忆、自生成规则、私有域)而非提示词实现了真正的自主性,在相同环境中的表现优于标准LLM。