mindgitrwx

I use this twitter account as an index table

[𖣰𖢃𖥂𖢑𖣇𖡄 @_Akamig]

alive internet theory

내가 이래서 트위터를 못끊음 빛이 아주 많이 바랬어도 "93년에 만든 워드프로세서를 쓰는데 뭔가가 안되서 애먹고 있어요" 이라는 글을 썼을때 "미친ㅋㅋㅋㅋㅋㅋㅋ 그거 왜씀ㅋㅋㅋㅋㅋㅋ" 대신 해결책을 알려줄 만한 곳은 여기정도 밖에 없다

[今井翔太 / Shota Imai@えるエル @ImAI_Eruel]

来週は、GoogleのGemini3.5 Pro（6月中リリースは確定）と、OpenAIのGPT-5.6（さすがに5.5から時間が経った&直近でそれっぽい話がある）と、AnthropicのFable5（G7でアモデイがうまく立ち回った）復活が同時に来る可能性があるので、祭りかもしれない
（そうならなくても7月前半には揃うだろう）

[Nico @nicos_ai]

ADOBE ACROBAT ESTÁ ACABADO.

Alguien ha creado un editor de PDF gratis y open source que corre 100% en tu máquina y no sube ni un solo archivo.

Se llama Stirling-PDF.

Cada vez que editas un PDF online, tu archivo se sube al servidor de otro.

Tu NDA.
Tu extracto bancario.
Tu pasaporte escaneado.

Stirling-PDF lo procesa todo en local y lo borra en cuanto termina la tarea.

→ 50+ herramientas PDF en una sola interfaz
→ Unir, dividir, comprimir, convertir, rotar, reordenar
→ OCR integrado para hacer buscables los PDF escaneados
→ Contraseñas, marcas de agua, firmas y redacciones
→ API REST completa para automatizar
→ Corre en Docker en tu propio hardware

Adobe cobra 239$/año por Acrobat Pro.

Esto hace lo mismo por 0$.

• 81k estrellas en GitHub.
• 30M+ descargas.
• La app de PDF #1 de la plataforma.

100% open source.

Enlace abajo👇

[Abakcus @abakcus]

A Self-Learner's Roadmap Through 30+ Great Math Books👇
https://t.co/hgU8kiWcGV

[스모어(씬붙) @ssin_booot]

마테오 파스퀴넬리 지음. 마참내!!!! “기존의 AI 역사가 ‘인공지능이 인간 지능의 생물학적 특성을 본떠 만든 것’이라는 기술과학적 관점으로만 서술돼온 것과 달리, 기술 개발 당시의 사회·경제·정치적 동학을 포함함으로써 더욱 총체적인 AI의 역사를 정립하고자 한다.” https://t.co/XeCVhiBBBs

[Leaf Meta 🇰🇷 @leafmeta]

📌 강연이 사라지고 있다 — 그런데 강연만 줄 수 있는 게 따로 있었다

•주의 경제 (Attention Economy) : 현대 경제에서 인간의 주의 (Attention) 가 가장 희소하고 가치 있는 자원이 된 현상. 숏폼 플랫폼들이 이 주의를 서로 뺏는 구조

•지속 주의력 (Sustained Attention) : 한 주제에 집중을 유지하는 능력. 숏폼 고빈도 소비자일수록 이 능력이 저하된다는 2024 다수 연구 결과 존재

•적정 각성 효과 (Moderate Arousal Effect) : 청중 앞에 서는 것, 또는 청중으로 현장에 있는 것 자체가 적당한 긴장감을 만들어 학습과 기억 강화에 최적 조건을 만듦 (예르키스-도드슨 법칙)

•사회적 동기화 (Social Synchrony) : 같은 공간에서 같은 내용을 함께 듣는 집단 경험. 감정이 전파되고, 웃음, 침묵, 탄식이 공유됨. 유튜브나 팟캐스트는 재현 불가

•암묵적 지식 전�� (Tacit Knowledge Transfer) : 강연자의 표정, 멈���, 에너지가 텍스트나 영상 편집본으로 전달되지 않는 것들. 현장에서만 체득되는 층위

•팟캐스트 대이동 : 2026년 기준 미국 성인 45% 가 주 1회 이상 팟캐스트 청취. 강연의 형식이 죽은 게 아니라 그릇이 바뀐 것

💬 강연에서 경험이 “흡수”되냐고? 솔직히 반반임. 근데 강연만 줄 수 있는 게 따로 있음.

1. 왜 공개 강연이 줄어드는지 먼저 따져보면.

TED가 전성기를 넘겼다는 건 이미 공식적인 얘기임. 주제가 늘어날수록 오히려 조회수와 참여도가 떨어진다는 연구가 나왔음 (SPSP, 2025). 덜 담을수록 더 많이 전달된다는 것. Slate

거기다 숏폼이 뇌를 바꾸고 있음. 고빈도 숏폼 소비자는 지속 주의력, 실행 제어력이 유의미하게 저하되고 수업 중 딴짓이 늘었다는 연구 결과가 나왔음.

ReachLink 강연은 최소 20분에서 1시간짜리 집중을 요구하는데, 그 집중 자체가 이미 희귀 자원이 된 것.

2. 근데 강연만 줄 수 있는 게 뭔데?
정보? 그건 유튜브, 팟캐스트가 더 잘 함. 경험 흡수? 이것도 솔직히 영상으로 많이 커버됨.
강연만 주는 건 따로 있음.

•적정 각성 효과 : 같은 공간에 앉아 있다는 것 자체가 적당한 긴장감을 만들고, 그 상태에서 들은 내용은 기억에 더 깊이 박힘 (예르키스-도드슨 법칙, 1908)

•사회적 동기화 : 천 명이 함께 웃고, 함께 침묵하는 그 순간. 알고리즘이 재현 못 함

•암묵적 지식 전달 : 강연자의 멈춤, 눈빛, 에너지. 편집된 영상은 이걸 다 잘라냄

유튜브 강연을 보면서 “뭔가 다르다”는 느낌, 이게 이유임.

3. 그러면 강연은 어디로 간 건가?
2026년 기준 미국 성인 45%가 주 1회 이상 팟캐스트를 청취함. 형식이 죽은 게 아니라 그릇이 바뀐 것. arxiv 공개 강연의 내용은 팟캐스트, 유튜브 롱폼, 뉴스레터로 흘러들어갔음. 근데 현장에서만 일어나는 그 층위 — 각성, 동기화, 암묵적 전달 — 는 아직 대체된 게 없음.

반면에, 강연을 많이 들으면 경험이 쌓이냐는 질문에는 솔직히 “아니다”에 가까움. 강연은 경험을 대신하지 못함 & 경험할 준비를 시켜주는 것에 가까움. (수영 강연 100번 들어도 물에 뛰어들어야 수영을 배움, 앞선 대화의 암묵지 얘기)
어쩌면 강연이 진짜 해주는 건 & “저렇게 살 수도 있다”는 가능성의 목격이고, 그 목격 경험 자체가 우리가 강연장을 찾는 진짜 이유일 수 있음.

#주의경제 #강연의가치 #사회적동기화

🔗 출처 (검증된 링크):
•TED 강연 주제 과부하와 인기 하락 연구 (SPSP, 2025) — https://t.co/uO3m57O5bd
•숏폼 소비와 지속 주의력 저하 연구 (ResearchGate, 2024) — https://t.co/na3VFdJ6Am
•팟캐스트 산업 통계 2026 — https://t.co/mCipuEyxD0

[tender @tenderizzation]

6-7 decades of computer systems research in a nutshell

[Akshay 🚀 @akshay_pachaar]

Karpathy's prediction about RL is coming true now!

He called reward functions unreliable and argued that a single reward number is too low-dimensional to teach an agent what "good" means for complex tasks. To solve this, Agents need a knowledge-guided review as a higher-dimensional feedback channel.

Every major AI lab trains models with RL today (OpenAI, Anthropic, DeepSeek).

And their key bottleneck has always been the reward functions.

GRPO by DeepSeek worked well for math and code because the environment gave a binary signal.

But for real agent tasks, someone still has to hand-code the scoring function. That takes days and breaks every time the pipeline changes.

RULER (implemented in OpenPipe ART, 10k stars) addresses the exact problem Karpathy identified.

The reward criteria are defined in plain English, and an LLM evaluates each trajectory against that description to provide feedback for training.

I trained a Qwen3 1.4B agent that plays 2048 using GRPO with this exact workflow.

In this case, the agent saw the board, picked a direction, and RULER evaluated the outcome, all from this natural language definition.

You can see the full implementation on GitHub and try it yourself.

Here's the ART Repo: https://t.co/XeTppNyX9p

(don't forget to star it ⭐ )

Just like RLHF replaced manual rankings and GRPO replaced the critic model, natural language rewards are replacing hand-coded scoring functions.

RL reward engineering is now prompt engineering.

I wrote a full walkthrough on OpenPipe's ART, the agent RL trainer built on GRPO, including how RULER replaces manual reward engineering with automatic LLM-graded rewards.

The article is quoted below.

[Pallavi @pallavishekhar_]

- Math behind Attention- Q, K, and V
- Math behind √dₖ Scaling Factor in Attention
- Math Behind Backpropagation
- Math Behind Gradient Descent
- Math Behind Cross-Entropy Loss
- Math Behind RoPE (Rotary Position Embedding)
- RMSNorm (Root Mean Square Layer Normalization)

[Justin Hudson @RISignal]

Knowledge is the geometry.

Reasoning is traversal through the geometry.

Intelligence is the acquisition and stabilization of effective trajectories through that geometry.

[AYi @AYi_AInotes]

John Jumper （Google AlphaFold 团队核心领导者、2024 年诺贝尔化学奖得主）宣布，在 Google DeepMind 工作近 9 年后决定离开，加入 Anthropic（先休整一段时间）

我看到这条离职帖下面好多人都在喊 AI Avengers，但如果认真看完他写的每一句话，就会发现一个更复杂的现实，

John Jumper 博士毕业仅仅 6 个月，@demishassabis Hassabis 就把整个 AlphaFold 团队交给他来领导，核心是相信他能解决生物学 50 年来的未解难题，

他在 DeepMind 待了近 9 年，做出了诺贝尔奖级别的成果，离开时他写的是：GDM taught me how to do great science，GDM is a special place

我觉得这不是一句客套话，这是一个人在被给予了罕见的早期信任、把最难的事做成了之后，回头再看时说的真心话，

但社区很快编完了另一个剧本：Anthropic 在组建 AI Avengers，Jumper 是下一颗无限宝石🤣

关键问题是，他原帖里一个字都没提为什么离开啊，

不是不相信他想加入 Anthropic，而是他给 DeepMind 的告别里塞进了太多真实的东西，多到让你不能简单地用"留不住人"或者"某个实验室更强"来消解，

我以前看顶级球员转会学到一个视角：

[今井翔太 / Shota Imai@えるエル @ImAI_Eruel]

元OpenAIの研究者たちが書いたAI2027というシナリオでは米中のAI開発競争の末に、2027年にAGI・超知能的なものが出現する...と大真面目に論じています。
当初は「盛りすぎ」と言わ��たシナリオですが、最近は現実の方がこのシナリオを上回り始めており、Mythos/Fableのような「国家がAIの安全に危機を感じてAIを止める」みたいな話はこのシナリオ内では、2027年後半以降にようやくそれっぽい話が出てきて、しかも強制停止までには至っていないという。
https://t.co/yLLckhcP6x

[똑똑한 마벨라 @andromedarabbit]

에이전틱 코딩에 대한 헛소리에 지치고 나만 생각이 다른가 했더니 아니군. 나도 이렇게 차분하게 설명할 기운이 있으면 좋으련만

이 블로그의 글 모두 강추 https://t.co/gIE03VFWgp

[Leaf Meta 🇰🇷 @leafmeta]

제일 똑똑한 개발자도 매일 하는, 가장 멍청한 사고법

가장 멍청한 사고법은 따로 있다. 머리로 ‘추측’하는 것이다. “버그는 아마 여기겠지.” “이 코드가 느릴 거야.” 그리고 추측한 곳부터 고친다.

근데 Go 언어 공동 창시자 로브 파이크가 1989년에 못 박았다. “프로그램이 어디서 시간을 쓸지 너는 못 맞힌다. 병목(bottleneck·전체 속도를 잡아먹는 지점)은 늘 의외의 곳에서 나온다.” 크누스도 보탰다. “섣부른 최적화(측정도 안 하고 미리 빠르게 만들려는 것)는 만악의 근원이다.”

그래서 똑똑한 개발자는 추측을 안 믿고, 측정을 믿는다. 순서는 단순하다. 버그는 먼저 ‘재현’하고, 느림은 먼저 ’프로파일링(profiling·코드가 실제로 어디서 시간을 쓰는지 재보는 것)’한다. 손은 그다음에 댄다.

1989년 말인데, AI가 코드를 쏟아내는 2026년엔 더 날카롭다. 가장 비싼 추측�� “AI가 짰으니 맞겠지”다. 실제로 AI가 함께 짠 코드에서 보안 결함이 더 자주 나온다는 보고도 있다. 안 돌려보면 똑같이 당한다.

결론. 멍청함은 모르는 게 아니라, 안 재보고 단정하는 거다. 측정 한 번이 추측 열 번을 이긴다. 추측하지 말고, 측정하라.

로브 파이크의 프로그래밍 5원칙 원문. 1·2번이 정확히 “추측 말고, 증명될 때까지 측정하라”다. https://t.co/wDpmzQcQjn

이 글은 자료 일고여덟 개를 교차 확인하고, ‘멍청함=실력 부족’이라는 통념을 메타인지로 한 번 뒤집어 본 결과다.

#개발자 #바이브코딩 #메타인지

안 믿겨도 괜찮다. 셋 다 열어보면 된다.
→ “어디가 느린지 못 맞힌다 / 섣부른 최적화는 만악의 근원” 의 근거 (파이크 5원칙·크누스 출처 정리) https://t.co/wDpmzQcQjn
→ “일단 돌아가게, 그다음에 빠르게” 의 전통 (유닉스 철학·프로토��입 먼저, 측정 먼저) https://t.co/0Ut8JcJhfW
→ “AI가 함께 짠 코드에 보안 결함이 더 자주” 의 근거 (AI 코딩 생산성 역설) https://t.co/Zqoj6pT8jM

[GeekNews @GeekNewsHada]

사기의 미래는 이미 와 있다, 다만 고르게 퍼져 있지 않을 뿐

- LLM이 정교한 표적 사기를 대규모로 자동화하며, 과거 숙련된 인간의 노력이 필요했던 공격이 토큰 비용 수준으로 가능해진 상황
- 가짜 채용 면접과 NDA 서명 플랫폼 로그인을 미끼로 세션 쿠키를 탈취해…
https://t.co/YPyObFxrrI

[크롱 @Krongggggg]

Claude Code 갖다놓고 '코드 짜줘', '버그 고쳐줘' 수준의 명령어만 날리는 건 시니어 엔지니어한테 복사 심부름 시키는 꼴임. AI 능력을 아키텍처 설계나 에지 케이스 분석까지 끌어올리려면 지시 스타일부터 엔드투엔드 목표 기반으로 완전히 바꿔야 함.

[Anthropic @AnthropicAI]

The US government, citing national security authorities, has issued an export control directive to suspend all access to Fable 5 and Mythos 5 by any foreign national, whether inside or outside the United States, including foreign national Anthropic employees.

The net effect of this order is that we must abruptly disable Fable 5 and Mythos 5 for all our customers to ensure compliance.

Access to all other Claude models is not affected.

We apologize for this disruption to our customers. We believe this is a misunderstanding and are working to restore access as soon as possible.

Read our full statement: https://t.co/bwn0sximKZ

[말러팔삼 @mahler83]

의료용 AI 챗봇보다 그냥 프론티어 LLM에게 물어보면 더 정확함... 그럴 것 같더라. agentic capability를 개선하다보면 모든 일을 다 잘 하게 됨. 어제 나온 Nature Medicine #논문

[GeekNews @GeekNewsHada]

Rich Sutton의 AI 창의성과 발견

- 지도학습으로 훈련된 생성 AI는 사례와 비슷하게 행동하는 모방 모델로, 유용하더라도 과학·수학의 새로운 발견에는 한계가 있음
- 인터넷 답변이나 문서 요약에서는 새로움이 오히려 환각이 되며, 좋은 답변은 원천 자료의 품질에서 나…
https://t.co/lDGDw8PA6s

[Arena.ai @arena]

Claude Fable 5 ranks #1 in Code Arena: Frontend, leading by a wide margin over Opus-4.8.

Highlights:
- #1 in every sub leaderboard: HTML, React
- #1 in every sub category: Brand & Marketing, Reference-Based Design, Data & Analytics, Consumer Product, Gaming, Simulations, and Content Creation Tools.

Huge congrats to @AnthropicAI for this milestone! The thread breaks down how Claude Fable 5 ranks across single-modality arenas.