X：Francois Chollet

@fchollet · X

切换来源

58 条AI 相关新闻 · 最新在前

10月4日周日

星期日

10月3日周六

星期六

01:57
François Chollet@fcholletAI 评分2828
Keras 社区会议公布可插拔后端计划，即将支持 MLX 和 PaddlePaddle，新后端以附加库形式安装。同时减少新后端所需算子数量，为所有次要算子添加后端无关实现，并统一算子单元测试框架以验证类型转换一致性等。KerasHub 新增大量模型，并将预处理从 tf-text 迁移至 PyGrain。
产品 #产品更新 #开源生态 #部署/工程
01:26
François Chollet@fcholletAI 评分2222
现在开始！（引用推文：本周五 10 月 2 日上午 10 点 PST 举行 Keras 社区会议，介绍 Keras 生态的最新进展。会议对所有人开放，请通过此链接加入 https://meet.google.com/gva-bbpr-twe）
引用Samaneh Saadat@smn_sdt
Join the Keras community meeting this Friday, October 2, 10 AM PST where we present latest developments in the Keras ecosystem. The meeting is open to anyone. Please use this link https://meet.google.com/gva-bbpr-twe to join.
行业 #行业动态 #开源生态
00:55
François Chollet@fcholletAI 评分2626
30 分钟后开始——任何人都可以加入通话。到时候见！
引用Samaneh Saadat@smn_sdt
Join the Keras community meeting this Friday, October 2, 10 AM PST where we present latest developments in the Keras ecosystem. The meeting is open to anyone. Please use this link https://meet.google.com/gva-bbpr-twe to join.
行业 #行业动态 #开源生态 #Google

10月2日周五

星期五

02:38
François Chollet@fcholletAI 评分5252
François Chollet 认为 base LLM（2024 年及更早）与现代 LRM 的关键区别不是符号工具使用，而是从直推范式（直接直觉出答案）转向归纳范式（直觉出能产生答案的程序或指令），LRM 在测试时做归纳，即对自然语言程序或推理链做测试时预测。
观点 #大佬观点 #推理

9月30日周三

星期三

06:46
François Chollet@fcholletAI 评分2828
很多关于 AI 的宣传（来自其支持者）热情地把它描述成一种毁灭，甚至是彻底的抹除：“AI 刚刚杀死了 XYZ”——“XYZ 完蛋了”（现实中，这几乎从来都不准确）普通人对 AI 的看法很大程度上正是被这类言论塑造的。反弹不可避免。
观点 #现象/趋势
01:56
François Chollet@fcholletAI 评分2020
有什么方法可以测试人工智能是否具备人类级别的通用性？ “能够在新版 ARC-AGI-(n+1) 发布后立即通过它，这就是元基准测试”
引用Dylan T. Moore@dylantmoore
@Jabaluck @DAcemogluMIT The meta-benchmark of being able to pass ARC-AGI-(n+1) immediately upon release. Though presumably that won't last forever.
观点 #大佬观点 #评测/基准

9月29日周二

星期二

03:41
François Chollet@fcholletAI 评分3535
一个原生构建在 Keras 3 上的 GNN 库——模型可在 JAX、torch、TF 上运行，并支持完整硬件加速（Apple Silicon、TPU 等）。 "K3-Node 实现了与 PyG 100% 的公共 API 对齐，并整合了来自 Spektral 和 StellarGraph 的最先进基础模型与架构" https://github.com/anas-rz/k3-node
产品 #产品更新 #开源生态

9月28日周一

星期一

9月25日周五

星期五

12:19
François Chollet@fcholletAI 评分4343
我认为软件工程的"难度"本质上是恒定的，无论你迁移到哪个抽象层级，因为人类认知会适应新工具，直到能够充分发挥自身能力。工具只是可供性，不是让工作消失的魔法棒。伟大的软件工程以前极其困难。现在依然极其困难，尽管工作流程已大不相同。
引用Simon Willison@simonw
The more time I spend working with coding agents, the more convinced I am that they make software engineering even harder We can do amazing things with them, but unlocking their full potential requires extraordinary discipline and knowledge
观点 #大佬观点 #编码 #Agent

9月24日周四

星期四

22:15
François Chollet@fcholletAI 评分2828
在演化史上的某个时刻，物质学会了感受。我们不知道这是如何发生的。否认它可能再次发生的可能性，是不科学的。（我不相信它发生在当前的 AI 系统中，因为它们不具备我期望在有感知能力的智能体身上看到的特征）
观点 #大佬观点 #现象/趋势

9月12日周六

星期六

9月11日周五

星期五

07:21
@fchollet@fcholletAI 评分1717
Astra 做的梗图比 Reddit 用户还好了，完了
观点 #大佬观点 #现象/趋势

9月10日周四

星期四

9月9日周三

星期三

05:59
@fchollet@fcholletAI 评分2222
Terence Tao 刚发了一条非常有见地的推文，似乎是对 Navier Stokes 公告的回应。请读一读。https://t.co/SiuLLyp8jQ
观点 #大佬观点 #现象/趋势

9月8日周二

星期二

9月6日周日

星期日

02:51
@fchollet@fcholletAI 评分2525
看来测试时扩展（test time scaling）已经出现了第三个轴：循环Transformer中的隐空间推理迭代。
引用@fchollet@fchollet
Test-time scaling has two axes: running agents over longer timeframes (depth), and running a larger number of agents (breadth). Everybody knows about the first axis, but the second one is just as important when solving hard problems that require broad search.
观点 #大佬观点 #推理 #现象/趋势
00:20
@fchollet@fcholletAI 评分33
致我们的法语读者 https://t.co/J7Dh2kfSKM
观点 #大佬观点 #其他

9月4日周五

星期五

9月3日周四

星期四

9月1日周二

星期二

15:45
@fchollet@fcholletAI 评分3434
测试时扩展有两个轴：让智能体在更长的时间跨度上运行（深度），以及运行更多数量的智能体（广度）。第一个轴众所周知，但在解决需要广泛搜索的难题时，第二个轴同样重要。
观点 #大佬观点 #Agent #推理

8月31日周一

星期一

02:25
@fchollet@fcholletAI 评分3636
Francois Chollet 认为，AI 进步可能让合成大流行能力扩散，这一风险真实存在且人类尚未准备好应对。他指出生物学不同于网络安全：网络安全完全可验证、可合成训练出超人能力，而生物学不可验证、能力仍依赖人类数据，且受湿实验室等非数字瓶颈制约。但他强调，合成大流行或许在无 AI 时已可行，AI 可能只是加剧其扩散。
观点 #大佬观点 #安全/对齐

8月30日周日

星期日

09:29
@fchollet@fcholletAI 评分2525
通用智能之所以"通用"，在于*无论面对什么问题*，你都应展现出智能。不是先验能力——而是智能：即随机应变、理解新问题的能力。重点不是为一切做好准备，而是适应一切。https://t.co/yfIuTLBj1A
观点 #大佬观点 #推理