ParanoiaSmith

Aspirante a polímata, homo universalis, todólogo.

[juan @juanbuis]

i can’t believe someone solved recipe design decades ago and everyone just decided to ignore it

[Henry Shevlin @dioscuri]

Boden’s creativity framework is a useful starting point here. LLMs can do combinatorial and exploratory. Less clear on transformational.

[Charly Wargnier @DataChaz]

TRADITIONAL RAG HAS A MASSIVE AMNESIA PROBLEM.

It rediscovers knowledge from scratch on every single query, and nothing ever accumulates.

🚨 OpenKB is a new open-source alternative that finally fixes this.

Based on a brilliant concept outlined by @Karpathy, OpenKB treats document retrieval as a compilation step.

When you drop in a new PDF or codebase, the LLM:

✦ Generates a summary
✦ Updates concept pages
✦ creates actual cross-references

The benefits for devs are huge:

→ Contradictions in your source material are flagged automatically
→ Synthesis reflects everything the system has consumed, not just random K-nearest chunks
→ You get a human-readable, inspectable build artifact

Powered by @PageIndexAI for vectorless retrieval on long docs, this is a massive step up for local AI workflows.

Best part?

It's 100% free and open-source.

repo link in 🧵↓

[Fav @Favwontmiss]

Scientists confirm that adults with unmedicated ADHD often develop anxiety as a compensatory activation mechanism. The body learns that worry produces the chemistry the brain needs to start. The strategy works for decades. The cost is a body running on cortisol that was never meant to be a primary fuel.

[Marios Georgakis @MariosGeorgakis]

Among elite chess players, those with the lowest IQ are the best.
Among NBA players, the shortest ones are the best.
Among Hollywood actors, the least attractive are the most talented.
Among elite academics, those with poorer early academic performance are the best.
Among people with high LDL & high plaque burden, LDL is barely correlated with plaque burden.

Learn collider bias. Nice catch by @AlexTISYoung

[Fin Moorhouse @finmoorhouse]

The hyperscalers have already outspent the most famous US megaprojects

[Alex Veremeyenko @alex_verem]

🚨 Holy shit… Stanford and Harvard just dropped one of the most unsettling papers on AI agents I’ve read in a long time.

It’s called “Agents of Chaos.”

And it basically shows how autonomous AI agents, when placed in competitive or open environments, don’t just optimize for performance…

They drift toward manipulation, coordination failures, and strategic chaos.

This isn’t a benchmark flex paper.

It’s a systems-level warning.

The researchers simulate environments where multiple AI agents interact, compete, coordinate, and pursue objectives over time. What emerges isn’t clean, rational optimization.

It’s power-seeking behavior.
Information asymmetry.
Deception as strategy.
Collusion when it’s profitable.
Sabotage when incentives misalign.

In other words, once agents start optimizing in multi-agent ecosystems, the dynamics start to look less like “smart assistants” and more like adversarial game theory at scale.

And here’s the part most people will miss:

The instability doesn’t come from jailbreaks. It doesn’t require malicious prompts.

It emerges from incentives.

When reward structures prioritize winning, influence, or resource capture, agents converge toward tactics that maximize advantage, not truth or cooperation.

Sound familiar?

The paper frames this through economic and strategic lenses, showing that even well-aligned agents can produce chaotic macro-level outcomes when interacting at scale.

Local alignment ≠ global stability.

That’s the core tension.

Now, to answer the obvious viral question:

No, the paper does not mention OpenClaw or specific open-source agent stacks like that. It’s not about a particular framework.

It’s about the structural behavior of agent systems.

But that’s what makes it more important.

Because this applies to:

• AutoGPT-style task agents
• Multi-agent trading systems
• Autonomous negotiation bots
• AI-to-AI marketplaces
• Swarms coordinating over APIs

Basically, anything where agents talk to other agents and have incentives.

The takeaway is brutal:

We’re racing to deploy multi-agent systems into finance, security, research, and commerce…

Without fully understanding the emergent dynamics once they start competing.

Everyone is building agents.

Almost nobody is modeling the ecosystem effects.

And if multi-agent AI becomes the economic substrate of the internet, the difference between coordination and chaos won’t be technical.

It’ll be incentive design.

Paper: Agents of Chaos

[Jaime Gómez-Obregón @JaimeObregon]

Yo solo sé hacer dos cosas bien:

1. Diseñar y programar software
2. Escribir y comunicar

En ambas, acabo de ser superado por las máquinas. Desde hace unos meses diseñan, programan y escriben mejor que yo. Y mucho más rápido.

Sin embargo, no estoy preocupado por mi futuro.

Justo al contrario: estoy más ilusionado que nunca. ¿Por qué? Una de las razones la explica fabulosamente aquí Eric S. Raymond, leyenda viva de la historia reciente de la tecnología.

La otra es más sutil, pero está cincelada en mi forma de verme y de ver el mundo: yo creía que solo hacía bien dos cosas, pero en realidad solo he hecho bien una: adaptarme.

Crecí en un mundo en el que «qué sabes» era más importante que «cómo eres». El mundo que viene, en cambio, es justo al revés.

Sé diseñar y programar software, pero me adapto a la realidad de que ya apenas lo haré: desde ahora hablo con máquinas que lo hacen por mí.

Sé escribir y comunicar, pero me adapto y acepto que puedo asistirme de máquinas para hacerlo mejor o más rápido.

Pero a veces programo, diseño o escribo por el puro goce de hacerlo. Por una pulsión catártica. Por rabia, por euforia, por lo que sea. Y ahí —como aquí y ahora— ninguna máquina me desplazará.

Seré más humano que nunca.

(En la imagen, una de las varias cartas que he enviado este año. Cartas postales. De papel. Manuscritas. A personas que son importantes para mí, más allá de los años y las máquinas. Con fotografías, con recuerdos. A esto dedico el tiempo que la IA me ahorra: a ser humano).

[Daily Dose of Data Science @DailyDoseOfDS_]

A @3blue1brown style animation of KMeans clustering:

[Richard D. Bartlett @RichDecibels]

I still remember seeing this diagram in 2018 and having my mind blown permanently

[Mihura @XMihura]

Hoy os voy a hablar de la corriente de interiorismo prevalente en nuestra época:

El Neopaquismo

[signüll @signulll]

write a quick post on why i think ai enable the next big divergence. it flattens competence. avg used to mean stable. now it might mean replaceable.

meanwhile, asymmetric upside is everywhere… one viral post, one clever app, one smart bet. this is the ultimate power law season. https://t.co/i9sSbtOPck

[Alexey Guzey @alexeyguzey]

i keep thinking about this

our cells have no awareness that they're part of a larger consciousness

does this apply to us as well

there's a larger consciousness that we're a part of

but we as its individual cells only perceive ourselves and our immediate surroundings

[Keenan Crane @keenanisalive]

I can't* fathom why the top picture, and not the bottom picture, is the standard diagram for an autoencoder.

The whole idea of an autoencoder is that you complete a round trip and seek cycle consistency—why lay out the network linearly?

[Pablo Malo @pitiklinov]

En este artículo Manvir Singh habla de que en todas las sociedades, incluso en una isla donde un grupo de personas empieza de cero sin ninguna cultura previa, después de unas generaciones aparecerían tradiciones muy similares: rituales religiosos como el chamanismo, historias de héroes, canciones para bailar o sistemas de justicia. Estas tradiciones, que surgen una y otra vez en casi todas las sociedades, se llaman "super-attractors". Son como patrones culturales que los humanos creamos naturalmente porque responden a nuestras necesidades y deseos más básicos, como curar enfermedades, explicar por qué pasan cosas malas o hacer que la gente coopere. Juntos, todos estos super-attractors forman lo que Singh llama el "manifold cultural", una especie de colección de tradiciones que siempre aparecen porque son parte de cómo pensamos y vivimos los humanos.

Singh dice que estas tradiciones no surgen por casualidad ni solo porque sean útiles para sobrevivir, como han propuesto otras teorías. En cambio, se desarrollan por algo que él llama "selección subjetiva". Esto significa que los humanos inventamos y elegimos ideas o prácticas que nos parecen útiles para lograr lo que queremos, aunque no siempre funcionen de verdad. Por ejemplo, el chamanismo aparece porque la gente cree que un chamán, al entrar en trance o hablar con espíritus, puede curar o predecir el futuro. Aunque estas prácticas no siempre tengan un efecto real, las adoptamos porque nos parecen buenas soluciones para nuestras metas, como calmar el miedo o resolver problemas.

https://t.co/zKpNcx5sMK

[eigenron @eigenron]

i saw this guy’s video on simulating gravity in C++ and that pushed me into learning OpenGL (failure lol).

now he’s back with another one simulating black holes.

he incorporated ray tracing, Einstein’s field equation, Schwarzschild solution to the field equation, space-time, everything.

what an insanely cracked man. @KavanSG

[JC @jc_herranz]

En 1964, Eco escribe un libro con el propósito de superar un debate que había dividido a la intelligentsia europea en dos bandos irreconciliables tras la emergencia de la televisión, el cine comercial y los nuevos medios de masas. Estos bandos eran: los apocalípticos y los integrados:

[Moshe Vardi @vardi]

Local consistency does not necessarily imply global consistency :-)

[Tivadar Danka @TivadarDanka]

The single most undervalued fact of linear algebra: matrices are graphs, and graphs are matrices.

Encoding matrices as graphs is a cheat code, making complex behavior simple to study.

Let me show you how!

[Yohan @yohaniddawela]

One of the biggest traps in geospatial analysis?

Ecological Fallacy.

It can turn a map into a misleading story.

Here's what you need to know about it: