Zidane

[Yujia Zheng @YujiaZheng9]

J-space is really something we have been exploring since 2022. Glad to see it continues to work well at scale!

Some of the related work along this direction:

- How to recover the latent process using Jacobians (Identifiability of nonlinear ICA): https://t.co/uZkCxCMyrq

- How to handle dependent latents and assumption violations (again, through Jacobians): https://t.co/JNFPThjvkW

- For general latent variable models, what remains recoverable with guarantees, and why Jacobians are universally helpful? (We could generalize SAEs to the general nonlinear case, with Jacobians!): https://t.co/Mmh9lgglA0

Feels like we're still only beginning to uncover what Jacobian structure can tell us about representations.

[Zidane @datageeks15]

@tang__kira Itu bisa 3 jurusan yg beda tp di rentang waktu yg sama gimana caranya ☠️

[The Economist @TheEconomist]

The technology giant he built is being yanked around by the state https://t.co/rCt0ZLsbOL

[Ronin @DeRonin_]

My entire AI stack is now Chinese 🇨🇳

87% cheaper. same revenue

swaps by task:

1. reasoning / backend brain
Opus 4.8 → Kimi K2.7
benchmark gap: ~8% · price: ~11x cheaper

2. code generation
GPT-5.5 → Qwen 3.7 Max
benchmark gap: ~18% · price: ~7x cheaper

3. agent loops + tool calling
Sonnet 4.7 → GLM 5.2
benchmark gap: ~3% · price: ~5x cheaper on input

4. cheap volume / bulk processing
GPT-5.5 mini → MiMo V2.5
benchmark gap: ~6% · price: ~12x cheaper

5. image generation
GPT-Image-2 → Wan 2.5
benchmark gap: ~5% · price: ~8x cheaper

6. video generation
Sora 2 → Kling 3.0
benchmark gap: roughly equal · price: ~6x cheaper

[ result after 30 days: ]

operating costs dropped 87%, output quality dropped 4% on average, revenue unchanged

the most important that these models will be not banned in a month and i can run them locally

nobody will steal my data and i can learn them as i need

full article drops tomorrow with:
> exact routing logic per task type
> the 2 cases where I still pay for American
> the migration playbook anyone can copy in a weekend

VERY IMPORTANT to get migrated now, while it's not too late

[V | CQF | 🇮🇩→🇯🇵→🇦🇺→🇮🇩 @vicky_kawaguchi]

Mungkin ini ya ...
-> https://t.co/GecdI919Vu
ToC jelas, langung practice, direct & affordable buat individual yang mau belajar otodidak.

Kalo konteksnya resource REAL Quan ... tentu saja materinya heavy in math, I'm not sure akan relevan dipelajari otodidak oleh semua orang

[Mas Mas Data @hihihidlar]

Udah coba rekap semaleman. Dari 57 Wamen yang ada di Kabinet, 37 diantaranya merangkap jabatan sebagai Komisaris BUMN.

Persentase nya nyentuh angka 64.9%. Ini bukan lagi pencilan atau anomali, ini angka yang besar, bahkan bisa dikatakan MAYORITAS. Dan ini baru Wamen, belum petinggi dan pejabat lembaga atau badan setingkat menteri.

Awalnya mau bedah nama satu-satu, tapi dari angka itu seharusnya sudah menjelaskan, tidak perlu dibedah, kalian coba cari contoh 10 Wamen, seharusnya 6-7 diantaranya merangkap Komisaris BUMN.

Maaf ya teman-teman, jujur panik bahas hal ini, apalagi ada riwayat akun kena suspend, followers belum besar, tiba-tiba dapet impresi tinggi, jadi masih belum berani. Mungkin pertimbangannya bakal tulis artikel aja nanti untuk detail lengkapnya.

Btw ada nama "lucu" lagi di jajaran Komisaris BUMN, bukan akademisi, bahkan riwayat pendidikannya pun saya tidak nemu, mungkin bakal spill tipis kayak sebelumnya.

[Yong Zheng-Xin @yong_zhengxin]

Joining @openai next month!

after seeing people's reaction to Alisa's post about her experience, I also wrote down some of the surprising things I wish I know before my research scientist job search: https://t.co/vyFV6lYpWD

[Alisa Liu @alisawuffles]

I'm joining OpenAI next week!🥹 The job search turned out to be really challenging but also super rewarding, so I wrote a small blog to share what I learned along the way and hopefully make the process a little less mysterious for the next person. https://t.co/6FigSBdenD

[miya @miyarah_]

sabes que vas a desperdiciar tu día entero cuando ves estas sillas

[Hidup sebagai +62 @Hidupsebagai62]

- KITA ADA PILIHAN POTONG GAJI PEJABAT.
- KITA ADA PILIHAN TARIK BIAYA TUNJANGAN.
- KITA ADA PILIHAN SURUH MEREKA BAYAR PAJAK.
- KITA ADA PILIHAN STOP MBG, STOP KOPDES

TAPI YANG MEREKA PILIH

- KITA DISURUH HEMAT
- PAJAK DINAIKKAN
- CONTENT CREATOR REMAHAN DIPAJAKIN
- UMKM KENA PAJAK SEPERTI PT
- LISTRIK MENYALA BERGILIR
- BBM DINAIKKAN
- SUKA BUNGA DINAIKKAN
- KALO NGK SUKA DSURUH PINDAH WARGA NEGARA

NASIB +62

[Hidup sebagai +62 @Hidupsebagai62]

PIUTANG PLN KE PEMERINTAH NAIK 156%.
ARTINYA PEMERINTAH NUNGGAK BAYAR KE PLN SEHINGGA PLN TIDAK PUNYA DUIT.
TIDAK PUNYA DUIT SEHINGGA TIDAK BISA BEKI BATUBARA

TIDAK BISA BELI BATUBARA, SUPLAI LISTRIK BERKURANG.
SIAP2 MENYALA BERGILIR

BUKAN PEMADAMAN BERGILIR

Dari foto laporan keuangan PLN yang beredar, ada satu angka yang langsung mencolok begitu kamu lihat.
Piutang dari Pemerintah tercatat Rp 110,738 triliun di periode terbaru, naik drastis dari sebelumnya Rp 43,290 triliun. Kenaikannya lebih dari 156% dalam satu periode.
Bukan naik tipis. Ini lonjakan yang sangat besar dan perlu dijelaskan.

PLN adalah perusahaan negara yang menjual listrik ke rakyat dengan tarif yang tidak selalu mencerminkan biaya produksi sebenarnya.
Untuk pelanggan rumah tangga 450 VA dan 900 VA bersubsidi, PLN menjual listrik jauh di bawah harga pokok produksinya.
Selisihnya ditanggung pemerintah dalam bentuk subsidi dan kompensasi.

Tapi pemerintah tidak selalu bayar langsung.
PLN dulu bayar dulu ke produsen energi, ke kontraktor, ke supplier batu bara dan gas, lalu nagih ke pemerintah belakangan. Tagihan yang belum dibayar pemerintah ini yang dicatat sebagai "piutang dari pemerintah" di neraca PLN.

Sederhana:
PLN sudah keluar uang, tapi pemerintah belum bayar.

KENAPA ANGKANYA BISA MELEDAK SEGITU?

Ada beberapa faktor yang menjelaskan lonjakan ini.

pertama adalah program diskon listrik 50% Januari-Februari 2025. Pemerintah mengumumkan diskon tarif listrik untuk seluruh pelanggan di bawah 2.200 VA selama dua bulan. Biayanya ditanggung negara tapi dibayar PLN dulu. Total tagihannya saja sudah Rp 13,61 triliun hanya dari program dua bulan itu.

kedua adalah mekanisme pembayaran yang lambat. Selama ini pemerintah membayar kompensasi ke PLN per tiga bulan atau bahkan per enam bulan sekali. Artinya PLN harus talang dulu berbulan-bulan sebelum uangnya balik. Semakin lama jeda bayar, semakin besar piutang yang menumpuk.

ketiga adalah subsidi dan kompensasi yang terus membengkak. Pada 2025, realisasi subsidi dan kompensasi listrik sudah menyentuh lebih dari Rp 210 triliun. Sementara tarif dasar listrik tidak naik karena alasan politik. Selisih antara biaya produksi dan tarif yang dibayar rakyat inilah yang jadi beban yang terus menumpuk.

DARI MANA PEMERINTAH BAYARNYA?

Sumber pembayarannya ada di APBN, tepatnya dari pos Belanja Subsidi dan Kompensasi Energi. Pada 2024 saja, total subsidi dan kompensasi energi (BBM, gas, listrik, pupuk) mencapai Rp 434,3 triliun. Khusus listrik yang dikompensasi, salah satu contohnya adalah pelanggan 900 VA non-subsidi yang mendapat kompensasi Rp 400 per kWh, artinya dari harga seharusnya Rp 1.800 per kWh, mereka hanya bayar Rp 1.400 per kWh. Selisih Rp 400 itu ditanggung APBN, dan ada 50,6 juta pelanggan yang masuk kategori ini.

Masalahnya bukan soal ada atau tidak anggarannya.
Masalahnya adalah timing pencairannya.
Komisi XI DPR sempat melaporkan bahwa kompensasi kuartal I-2025 untuk PLN senilai Rp 27,6 triliun belum dibayarkan.
Bahkan ada tagihan 2024 yang dibebankan ke APBN 2025. Jadi tagihan lama belum lunas, tagihan baru sudah datang.

PLN yang punya piutang besar tapi belum cair ini berdampak ke kemampuan perusahaan membayar supplier dan produsen listrik swasta tepat waktu.
Kalau pembayaran ke IPP terlambat, ada risiko gangguan pasokan.
Dalam jangka panjang, ini juga mempengaruhi rating kredit PLN dan kemampuan pinjam untuk investasi infrastruktur.

Untuk kita sebagai pelanggan, selama tarif listrik tidak disesuaikan dengan harga pokok produksi, maka subsidi dan kompensasi akan terus menggelembung, piutang PLN ke pemerintah akan terus naik, dan beban APBN akan semakin berat.

Ada wacana perbaikan skema pembayaran menjadi bulanan agar piutang tidak menumpuk terlalu lama.
Tapi selama tidak ada reformasi tarif dan pembenahan kontrak IPP, akar masalahnya tetap ada.

Rakyat bayar murah.
PLN tombok dulu.
APBN yang bayar belakangan
Dan siklusnya terus berulang setiap tahun
APAKAH KEDEPANNYA BENERAN GELAP?

[vi er @vier4x4]

MATI LISTRIK BERGILIR ITU BISA MERUSAK ALAT ELEKTRONIK, LOH!!!

Sumpah, hidup jadi WNI rasanya dihajar dari segala arah. 😩

Yang bikin kesel, kalau kita telat bayar listrik bisa kena denda. Tapi kalau mereka mati listrik berkali-kali, tanpa pemberitahuan, tanpa permintaan maaf, bahkan sampai berpotensi merusak barang elektronik warga, nggak ada konsekuensi apa-apa.

Kewajiban rakyat ditegakkan mati-matian, tapi pelayanan ke rakyat sering kali seenaknya. Nggak adil banget.

[Jacob X. Li ✈️ ICML @jacobli99]

Continual learning is widely discussed right now, but mostly as improving on the job or avoiding catastrophic forgetting. But it has a different, difficult, and already urgent form:

Given nothing but a corpus of documents, how should AI systems develop expertise in a new, unfamiliar domain? We call this problem Machine Studying.

[Nathan Lambert @natolambert]

I launched 3 more videos in my post-training course!
1. Lecture 5: The rise of reasoning models
2. Lecture 6: DPO derivation, intuitions, and practice
3. A Q&A from readers on lectures 1-4

rlhfbook dot com slash course
More soon!

[How To Prompt @HowToPrompt__]

A toothpaste company has quietly killed the entire market research industry and nobody is talking about it.

Colgate published a paper showing you can predict real purchase intent at 90% accuracy by simply asking LLMs to roleplay customers.

And this is beyond insane.

If you ask an AI, "Rate this product from 1 to 5," it gives safe, middle-of-the-road garbage.

So researchers invented a method called Semantic Similarity Rating (SSR).

Instead of asking the AI for a number, they asked it to roleplay.

They gave the LLM a demographic profile. They showed it a product concept. And they asked it to write down its raw, unfiltered thoughts.

Then, they used a semantic model to translate those written thoughts into a numerical score.

The results are staggering.

Tested against 57 real corporate surveys and 9,300 actual human responses, the synthetic AI consumers matched real human buying behavior with 90% reliability.

They perfectly mirrored how different age brackets and income levels react to price changes.

And they provided detailed, qualitative feedback that was deeper and more critical than what actual humans wrote.

This destroys the economics of traditional market research.

You don't need to wait a month to see if a product will sell.

You can simulate 1,000 hyper-targeted customer interviews overnight.

You can A/B test pricing across every demographic instantly.

[Chocomalt @ChocomaltMacha]

nemu repo tentang signature, karena udah kemaleman gw drop dulu di sini dah wkkw

Signature Method in Analysis and Prediction of Stock Price - Homepage of Kuan Yang

[Zidane @datageeks15]

Even the proof might be wrong...

[Dosen Pembimbing @Dospemz]

@indepenSumatera Orang normal : 10+6 = 16

Prabowo:

[Wikipedia bahasa Indonesia @idwiki]

Penambahan adalah salah satu dari empat operasi aritmetika dasar.

[Zidane @datageeks15]

@matthewhoser Sempet

[RSC ☀️🌲 @silver__tsuki]

Mfers stole all our data, trained on it, told everyone how noble they are and are now pulling the ladder behind them