Vadivel

[Vadivel @vmvadivel]

@mkstalin அமைதிக்கான நோபல் பரிசுக்கு 5 முறை (1937, 38, 39, 47 & 48) பரிந்துரைக்கப்பட்ட காந்திஜி, 1948 கெடுவிற்கு 2 நாள் முன் படுகொலை செய்யப்பட்டார். மறைவுக்குப் பின் விருதளிக்க விதி இல்லாததால், "தகுதியான நபர் எவரும் உயிருடன் இல்லை" எனக்கூறி 1948ல் நோபல் கமிட்டி யாருக்கும் விருதளிக்கவில்லை.

[Vadivel @vmvadivel]

Mahatma Gandhi was nominated for Nobel Peace Prize 5 times (1937–39, 47–48). Assassinated on Jan 30, 2 days before the deadline with 6 nominations submitted Rules barred posthumous awards so Nobel Committee didn't award anyone in 48 saying "There was no suitable living candidate"

[Vadivel @vmvadivel]

@manipmp 👌 சங்க காலத்தில் இயற்கை வளங்கள் நிறைந்த பகுதியாக இருந்ததால் 'பொதினி' என அழைக்கப்பட்டு, பின்னர் 'பழனி' என மாறியது

[Vadivel @vmvadivel]

@vasuman Maybe this helps. Read it from one of Boris Chernys tweet/response.

claude /config outputStyle=concise

[Satya Nadella @satyanadella]

https://t.co/xv6csf1SbV

[Andrew Ng @AndrewYNg]

“Loop engineering” is a hot buzzphrase after mentions of it by Boris Cherny (Claude Code’s creator) and Peter Steinberger (OpenClaw's creator) went viral on social media. Loops are now a key part of how we get AI agents to iterate at length to build software. In this letter, I’d like to share my 3 key loops, shown in the image below, for building 0-to-1 products. These loops guide not just how I build software, but also how I decide what software to build.

Agentic coding loop: Given a product specification and optionally a set of evals (that is, a dataset against which to measure performance), we can have an AI agent write code, test its work, and keep iterating until the code is bug-free and meets its specification. This idea of closing the loop took off around the end of last year, and it has been a game changer in enabling coding agents to work longer productively without human intervention. For example, over the weekend, I was building an app for my daughter to practice typing, and my coding agent could easily work for around an hour, using a web browser to check what it had built multiple times before getting back to me, without needing my intervention.

The engineering loop executes quickly. Every few minutes, the coding agent might build and test a new version of the software. I hear frequently from developers who are finding new ways to engineer more effective engineering loops. This is an active area of invention!

Developer feedback loop: In this loop, a developer examines the current product and steers the coding agent to improve it. Last year, a lot of developers (including me) were acting as the QA (quality assurance) function for our coding agents, manually finding bugs and then asking the agent to fix them. But with coding agents much more able to test their own code, the amount of time we need to spend on this function has decreased significantly. This allows us to make higher-level product decisions, such as what key features to offer, where the UI needs improvement, and so on.

The developer-feedback loop operates over time intervals between tens of minutes and hours — that's how frequently a developer might review a product and give feedback. In the case of the typing app, I changed my mind a few times about the visual design, what cat costumes she can unlock as she learns (she loves cats), and the user flow for a grown-up to log in and steer the child's learning experience.

When a developer has a clear vision for what to build, it is still a lot of work to translate that vision into a specification for a coding agent to implement. Further, after the developer has seen an implementation, they might update (or perhaps clarify) the spec to steer it toward what they want. If you find that the system repeatedly runs into certain problems, building a set of evals for the agent becomes useful.

AI-native teams are increasingly using AI to help shape product direction, for example, automating the gathering and analysis of usage data, summarizing written and verbal customer feedback, or carrying out competitive analysis. However, for pretty much all the products I’m involved in, I see humans as having a significant context advantage over current AI systems — we know a lot more than the AI system about the users and the context the product has to operate in — and thus humans play a critical role. Many people describe this human contribution as “taste,” but I prefer to think of it as humans having a context advantage, since that gives us a clearer path to helping AI systems get better. This also speaks to why this step can’t be automated: So long as the human knows something the AI does not, human-in-the-loop is needed to to inject that knowledge into the system.

External feedback loop: This includes a wide range of tactics like asking a few friends for feedback, launching to alpha testers, or putting the code into production with A/B testing. These tactics are usually slow, rarely taking less than hours and sometimes taking days or even weeks. This data informs the developer vision, which in turn continues to drive the detailed product spec, which in turn drives the coding agent.

With coding agents speeding up software development, more engineers are starting to play a partial product management role. For many engineers who are growing into this role, the hardest part is shaping the product vision and striking a balance between building (bridging the gap between vision and spec) and getting user feedback to evolve the vision. It is important to do both!

I will write more about how to do this in future posts, but for now, I find it encouraging that engineers are playing an expanded role (just as product managers and designers now do more engineering).

[Original text: The Batch]

[The Knowledge Bank @xKnowledgeBANK]

A very ridiculous Billionaire's maths!

[Vadivel @vmvadivel]

@NIKHILLJHA True. Going viral shouldn't be a prerequisite for getting a claim settled. Also everyone doesn’t have that network either. those who don't have the network to make their post go viral just quietly lose 😞

[Harsha Bhogle @bhogleharsha]

This is so typical of Kane Williamson. Just a quiet exit away from the spotlight. One of the finest players of his era, arguably the best batter to emerge from NZ and an outstanding person. Humble, dignified and universally respected.

[Vadivel @vmvadivel]

Will "100% human-written code. No AI used." become a premium label one day? We industrialised farming with fertilisers. Now we pay a premium for organic. Down the line will AI do the same thing to software? 😎

[Scott Hanselman 🌮 @shanselman]

People should not be judging AI-augmented coding by “1 shots.”

If someone told you that their model did a “one shot of Minecraft” and they’re impressed by that, you need to consider how much semantic heavy lifting the word “Minecraft” is doing in that prompt.

Ask them to one shot Minecraft without using the word Minecraft.

It’s not trivial to one shot something unique, because programming is the art of making the ambiguous incredibly specific through sculpting. AI sculpting is less about vibes and more about finding the specificity you want and keeping the system stable through changes. Good SDLC practices still matter, historical context still matters, and knowing how things work matters, shout out to @Grady_Booch.

It’s a cool party trick to one shot Mario Brothers or space invaders, but then you’ll end up with the most mid version of both. Literally mid. You’ll get the statistical fat part of the Bell curve version of these mythical games. You’re telling the model to close its eyes and draw the face of these games from memory.

As high-level programming cedes way to the prose compiler, making your goals and specs well understood to the ambiguity loop and showing good judgment is going to matter more than ever. Consider all of your words and make sure that certain words aren’t carrying all the semantic load, hidden or otherwise.

[Vadivel @vmvadivel]

@garrytan Shared my perspective on why agent orchestration alone just automates complexity & what AI native really means in practice: https://t.co/FdgdcNlQ29

[Vadivel @vmvadivel]

@garrytan Spot on, Garry. Its a 2 part problem. Even if we extract that institutional context via GBrain putting it into a legacy workflow just automates the mess. AI native orgs must do both: extract hidden context and redesign the workflow so agents can actually act.

[M.K.Stalin @mkstalin]

மாண்புமிகு தமிழ்நாடு முதலமைச்சராகப் பொறுப்பேற்றுள்ள தமிழக வெற்றிக் கழகத் தலைவர் திரு. @ActorVijay அவர்களுக்கு எனது மனப்பூர்வமான வாழ்த்துகளைத் தெரிவித்துக் கொள்கிறேன்.

பதவியேற்றதும் தாங்கள் கையெழுத்திட்டுள்ள அறிவிப்புகளையும் வரவேற்கிறேன்.

எடுத்த எடுப்பிலேயே அரசிடம் பணம் இல்லை எனப் பேச ஆரம்பிக்காதீங்க. அதெல்லாம் இருக்கு. மக்களுக்குக் கொடுக்க மனசும், ஆட்சித் திறமையும்தான் வேணும்.

ஐந்து ஆண்டுகளாக, கோவிட், வெள்ளம் போன்ற பல பிரச்சினைகளையும் ஒன்றிய பா.ஜ.க. அரசின் ஓரவஞ்சனையையும் சமாளிச்சுதான் நாங்க எண்ணற்ற மக்கள்நலத் திட்டங்களை நிறைவேற்றினோம்.

'ரூபாய் 10 லட்சம் கோடி கடனை வைத்துவிட்டு, கஜானாவைத் துடைத்து விட்டுச் சென்றுள்ளது கடந்த அரசு' - என்ற குற்றச்சாட்டை முதல் உரையிலேயே சொல்லி இருக்கீங்களே… அனுமதிக்கப்பட்ட வரம்புக்குட்பட்டே தமிழ்நாட்டின் கடன் அளவு இருக்கிறது.

தமிழ்நாடு அரசின் நிதிநிலை பற்றி கடந்த பிப்ரவரி மாத பட்ஜெட்லயே தெளிவா நாங்க சொல்லிட்டோம். அது உங்களுக்குத் தெரியாதா? அதுக்குப் பிறகுதான நீங்க பல வாக்குறுதிகளை மக்களுக்குக் கொடுத்தீங்க? உங்களுக்கு வாக்களித்த மக்களை மீண்டும் ஏமாற்றி திசைதிருப்பாதீங்க!

“நடைமுறைக்கு சாத்தியமானதை மட்டுமே வாக்குறுதிகளாக அளிக்கிறேன்” எனக் கூறி ஆட்சிக்கு வந்துள்ள நீங்கள் இப்போதுதான் அரசு நிர்வாகத்துக்குள் அடியெடுத்து வைக்கிறீர்கள். கூடிய விரைவில் மக்களுக்குக் கொடுத்த வாக்குறுதிகளை எப்படி நிறைவேற்றலாம் எனும் நுணுக்கங்களையும் எங்களைப் போலவே நீங்களும் நிச்சயம் கற்றுக்கொள்வீர்கள் என நான் நம்புகிறேன். வாக்களித்த மக்களோடு, நானும் அதையே எதிர்பார்க்கிறேன்.

தங்களின் ஆட்சியில் தமிழ்நாட்டின் வளர்ச்சிப் பயணம் தொடர மீண்டும் எனது வாழ்த்துகள்!

[M.K.Stalin @mkstalin]

என் உயிரோடு கலந்திருக்கும் தலைவர் கலைஞரின் அன்பு உடன்பிறப்புகளுக்கும், என் உயிர்நிகர் தமிழ் மக்களுக்கும் என் அன்பு வணக்கம்.

தேர்தல் முடிவுகள் அறிவிக்கப்பட்ட பின்பு, நடக்கும் நிகழ்வுகளை நீங்கள் பார்க்கிறீர்கள். எந்தக் கட்சிக்கும் ஆட்சி அமைக்கும் பெரும்பான்மை கிடைக்காத வகையில் சட்டமன்றத் தேர்தல் முடிவுகள் அமைந்திருந்தன. ஆட்சி அமைக்கும் அளவுக்குப் பெரும்பான்மை இடங்களைத் திராவிட முன்னேற்றக் கழகத்தின் தலைமையிலான மதச்சார்பற்ற முற்போக்குக் கூட்டணி பெறவில்லை என்றாலும், குறிப்பிடத்தக்க வாக்குகளை நாம் பெற்றுள்ளோம்.
நான் ஏற்கனவே பத்திரிகைகளுக்கு அளித்த பேட்டியில், புதிய ஆட்சி அமைவதற்கு இடையூறாக இருக்க மாட்டோம் என்றும், ஆக்கபூர்வமான எதிர்க்கட்சியாக தி.மு.க. செயல்படும் என்றும் சொல்லியிருந்தேன்.

அதன்பின், என் தலைமையில் நடந்த சட்டமன்ற உறுப்பினர்கள் கூட்டத்தில், முடிவெடுக்கும் பொறுப்பை எனக்குக் கொடுத்தார்கள். அந்தக் கூட்டத்தில், “கட்சியின் நலனை மனதில் வைத்து, தலைமைக் கழக நிர்வாகிகளுடன் கலந்து பேசி முடிவெடுப்பேன்” எனத் தெரிவித்தேன்.

ஆட்சி அமைக்கும் பெரும்பான்மை யாருக்கும் கிடைக்காத நிலையில், மாற்று யோசனைகளைப் பலரும் சொன்னார்கள். என்னைப் பொறுத்தவரை, தோழமைக் கட்சிகள் எந்த முடிவை எடுத்தாலும் அவர்களின் முடிவை மதித்து ஒருங்கிணைந்து செயல்பட்டு, நிலையான ஆட்சி அமைய வேண்டும்; இன்னொரு தேர்தலுக்கு வழிவகுத்துவிடக் கூடாது என்பதே எனது எண்ணமாக இருந்தது.
எங்களது கூட்டணியைச் சார்ந்த தோழர்கள், “இன்றைய நெருக்கடியான சிக்கலைத் தவிர்க்க, நாங்கள் தமிழக வெற்றிக் கழகத்திற்கு ஆட்சி அமைக்க ஆதரவு தெரிவித்தாலும், கொள்கை அடிப்படையில் தி.மு.க. தலைமையிலான மதச்சார்பற்ற முற்போக்குக் கூட்டணியில் தொடர்கிறோம்” என்று அறிவித்திருப்பதை நான் வரவேற்கிறேன்.

கூட்டணியின் சார்பில் போட்டியிட்டு வெற்றிபெற்ற காங்கிரஸ் எம்.எல்.ஏ.க்கள் நன்றி தெரிவிக்க அண்ணா அறிவாலயம் வரவில்லை. ஒரே நாளில் தி.மு.க.வுடனான உறவை முறித்துக்கொண்டு காங்கிரஸ் கட்சி சென்றது. அதேசமயம் தமிழ்நாட்டின் உரிமைகளுக்காகவும் மக்கள் நலனுக்காகவும் தொடர்ந்து தி.மு.க.வுடன் கைகோத்துப் போராடுவோம் என்று கம்யூனிஸ்ட் தலைவர்கள் தோழர் சண்முகம், தோழர் வீரபாண்டியன், விடுதலைச் சிறுத்தைகள் கட்சித் தலைவர் திருமாவளவன் அவர்களும் அறிவித்துத் தோழமை உணர்வை வெளிப்படுத்தியுள்ளது, கொள்கையில் வலுவாக உள்ள திராவிட முன்னேற்றக் கழகத்தின் மீது அவர்கள் கொண்டுள்ள நம்பிக்கையைக் காட்டுகிறது.

இந்நேரத்தில் மிக முக்கியமான சோதனைக் காலத்தில் உறுதியுடன் உடன் நின்ற தோழமை இயக்கத் தலைவர்கள் பேராசிரியர் அய்யா காதர் மொகிதீன், அண்ணன் வைகோ, சகோதரி பிரேமலதா விஜயகாந்த், பேராசிரியர் ஜவாஹிருல்லா, சகோதரர்கள் ஈஸ்வரன், தமிமுன் அன்சாரி உள்ளிட்ட அனைவருக்கும் என் நெஞ்சார்ந்த நன்றியைத் தெரிவித்துக்கொள்கிறேன். அவர்களின் உறுதிக்கு எத்தகைய நன்றியும் பாராட்டும் பொருந்தும்.

கடந்த ஐந்தாண்டு காலத்தில் தமிழ்நாட்டை அனைத்துத் துறைகளிலும் வளர்த்தெடுத்து, தமிழ்நாட்டை வளப்படுத்தியிருக்கிறோம். ஏராளமான திட்டங்களின் மூலமாக ஒவ்வொரு தனிமனிதரும் நன்மை அடைய வழிவகை செய்துள்ளோம்.
தொலைநோக்குச் சிந்தனையும், வளமான திட்டமிடலும் கொண்ட அந்தத் திட்டங்களை அமைய இருக்கும் புதிய அரசு தொடர வேண்டும் என்பதே எனது தனிப்பட்ட விருப்பமாகும்.

மகளிர், இளைஞர்கள், மாணவர்கள், குழந்தைகள், விளிம்புநிலை மக்கள், அரசு ஊழியர்கள் ஆகியோரை உள்ளடக்கிய அனைத்துத் திட்டங்களையும் தொடர்ந்து செயல்படுத்தினால் மக்களுக்கு நன்மைகள் தொடரும்; மாநிலமும் வளரும். இதனைக் கவனத்தில் கொண்டு புதிய அரசு செயல்பட வேண்டும் என்று கேட்டுக்கொள்கிறேன்.

அமைய இருக்கும் புதிய அரசுக்கு மீண்டும் எனது நல்வாழ்த்துகளைத் தெரிவித்துக்கொள்கிறேன்.

[தோழர் ஆதி @ThozharAadhi]

இப்டி ஒரு Clip TVK கு கிடைச்சிருந்தா இந்நேரம் insta, Whatsapp, Twitter னு போற இடமெல்லாம் இதான் Feed முழுக்க இருந்திருக்கும்..

பாஜக லேந்து, தவெக வரைக்கும் கூச்சமே இல்லாம பொய்யை பரப்ப use பண்ற Social media வ உண்மைய பரப்ப Use பண்ணமாட்றோம் நாம @mkstalin 😢🚶

[Vadivel @vmvadivel]

@shanmugamchin10

[Vadivel @vmvadivel]

@Politicx2029 INDIA bloc wins only if Congress builds trust with regional parties. TN delivers 39/39, yet congress leadership lacks accountability. Backstabbing allies on the field is a recipe for disaster. Realize you are only as strong as your allies.

[Joseph Pajos @PajosTM]

I was in class last week. One of my students raised their hand mid-lecture and asked something that stopped me for a second.

"Why is every AI tool built on Python? C++ is faster. Rust is faster. Even Java is faster. So why Python?"

Honestly it’s a fair question. And the answer reveals something really interesting about how the AI industry actually works.
Let me explain this properly. 🧵

[Jaynit @jaynitx]

In 2019, MIT professor Patrick Winston gave a legendary 1-hour lecture called “How to Speak.”

It has 18M+ views for a reason.

His frameworks:
• Your ideas are like your children
• The 5-minute rule for job talks
• Why jokes fail at the start

15 lessons on communication: