马东锡 NLP's banner
马东锡 NLP's profile picture

马东锡 NLP

@dongxi_nlp • 39,782 subscribers

Prev. PhD @Stockholm_Uni | Alumni @KTHuniversity @uppsalauni Sharing insights on AI, autonomous agents, and large language & reasoning models

Videos

LIVE
1.2k

Anya Rossi

sweetdream.ai

SweetDream.aiSponsored•Livecam
Streaming Now

Watch Anya Live

Anya is streaming live right now! Join her private show and enjoy exclusive content.

HD live stream
Exclusive private shows
1.2k viewers online

Free preview available • Premium content

我用 MiniMax-M2.5 升级了我的 AI 论文阅读伙伴。 这个应用自动抓取并分析了近一年 1 万篇 AI 论文，建立起数据基础，用来理解 AI 领域的最新的主题和方向，并结合时间序列计算热度趋势。 在这个基础上，每天产生的每一篇新论文，它的主题归属、潜在价值与趋势变化，就非常清晰地展示在眼前。 M2.5 端到端的完成度超强，多个复杂计算和任务完成的非常出色，并且能把复杂的计算做成非常顺手的交互。 Kudos to MiniMax (official) ! 对 MiniMax 的好感，最早来老罗和闫俊杰那期播客，感叹头部模型公司的老板也可以这么真诚。 我只用三家 AI 产品，MiniMax 是唯一的国产 AI 伙伴。
1:16
dongxi_nlp's profile picture

我用 MiniMax-M2.5 升级了我的 AI 论文阅读伙伴。 这个应用自动抓取并分析了近一年 1 万篇 AI 论文，建立起数据基础，用来理解 AI 领域的最新的主题和方向，并结合时间序列计算热度趋势。 在这个基础上，每天产生的每一篇新论文，它的主题归属、潜在价值与趋势变化，就非常清晰地展示在眼前。 M2.5 端到端的完成度超强，多个复杂计算和任务完成的非常出色，并且能把复杂的计算做成非常顺手的交互。 Kudos to MiniMax (official) ! 对 MiniMax 的好感，最早来老罗和闫俊杰那期播客，感叹头部模型公司的老板也可以这么真诚。 我只用三家 AI 产品，MiniMax 是唯一的国产 AI 伙伴。

马东锡 NLP

97,432 просмотров • 5 месяцев назад

如果要为这周的 AI 发展一个关键词，那就是自主进化。 从 Meta-Evolution、AutoHarness、SkillNet、SkillCraft MiniMax-M2.7 等一系列工作可以看到，AI 正在走向自主发现，自主约束，自主学习新 skills，甚至完成模型级别的自我进化。 其中 SkillCraft 给我的启示非常大：我们不需要也不应该为了某一个任务去安装第三方 skills，而应该直接从 tool call 的实践中抽象，构建和复用新的 skills。 今天，用 MiniMax-M2.7 复现了 SkillCraft 关于发现新的 skills 的方法。 几个重要的步骤： Observer -> 观察 tool call Pattern -> 从 tool call 中归纳规律，生成新的 skill Save -> 保存新 skill Reuse ->遇到类似问题时，直接复用 skill，而不再重复tool call MiniMax-M2.7 非常出色的完成了这个任务！ Kudos to MiniMax (official) Skyler Miao Kudos to 做自主进化的AI 研究员，what a week!
0:42
dongxi_nlp's profile picture

如果要为这周的 AI 发展一个关键词，那就是自主进化。 从 Meta-Evolution、AutoHarness、SkillNet、SkillCraft MiniMax-M2.7 等一系列工作可以看到，AI 正在走向自主发现，自主约束，自主学习新 skills，甚至完成模型级别的自我进化。 其中 SkillCraft 给我的启示非常大：我们不需要也不应该为了某一个任务去安装第三方 skills，而应该直接从 tool call 的实践中抽象，构建和复用新的 skills。 今天，用 MiniMax-M2.7 复现了 SkillCraft 关于发现新的 skills 的方法。 几个重要的步骤： Observer -> 观察 tool call Pattern -> 从 tool call 中归纳规律，生成新的 skill Save -> 保存新 skill Reuse ->遇到类似问题时，直接复用 skill，而不再重复tool call MiniMax-M2.7 非常出色的完成了这个任务！ Kudos to MiniMax (official) Skyler Miao Kudos to 做自主进化的AI 研究员，what a week!

马东锡 NLP

77,627 просмотров • 3 месяцев назад

Coze 3.0 + Multi-Agent 协作实践 Coze 3.0发布了， 跑通了一个完整的多 Agent 协作流程。 任务：基于一个开源 mini coding agent 仓库 + 一篇深度文章，制作高质量的 learning tutorial。 先制定多 Agent 协作协议（这点在多 Agent 场景中 非常重要）： 明确职责、固定 workspace、约定通知方式。项目文件作为唯一参考数据，版本可追溯。 团队的三个 Agent 各司其职： CodeX Agent（本地） -> 深度理解代码仓库，提取关键代码示例 Claude Agent（本地） -> 精读文章，提炼核心概念与架构分析 Coze Agent（云端） -> 整合两方产出，制作 Apple HIG 风格的交互式 HTML tutorial 过程中产出的 artifacts（learning-coding-agent.md -> tutorial.md -> slides），通过版本号前后衔接，每个 Agent 都基于前序成果继续推进。 多 Agent 协作的核心在于先定规则，再分任务。 协议写清楚谁做什么，产出放哪里，怎么通知下游，整个流程就像一条流水线，每个环节都可控，可追溯。
1:28
dongxi_nlp's profile picture

Coze 3.0 + Multi-Agent 协作实践 Coze 3.0发布了， 跑通了一个完整的多 Agent 协作流程。 任务：基于一个开源 mini coding agent 仓库 + 一篇深度文章，制作高质量的 learning tutorial。 先制定多 Agent 协作协议（这点在多 Agent 场景中 非常重要）： 明确职责、固定 workspace、约定通知方式。项目文件作为唯一参考数据，版本可追溯。 团队的三个 Agent 各司其职： CodeX Agent（本地） -> 深度理解代码仓库，提取关键代码示例 Claude Agent（本地） -> 精读文章，提炼核心概念与架构分析 Coze Agent（云端） -> 整合两方产出，制作 Apple HIG 风格的交互式 HTML tutorial 过程中产出的 artifacts（learning-coding-agent.md -> tutorial.md -> slides），通过版本号前后衔接，每个 Agent 都基于前序成果继续推进。 多 Agent 协作的核心在于先定规则，再分任务。 协议写清楚谁做什么，产出放哪里，怎么通知下游，整个流程就像一条流水线，每个环节都可控，可追溯。

马东锡 NLP

12,951 просмотров • 1 месяц назад

如何在海量 AI 论文中找到热点、机会与趋势？ 先说我的答案，Papers + Graph + Time 现在 AI 论文的产生速度极快，仅看 Hugging Face 榜单，每月上百篇，一年上千篇，问题来了，如何在海量论文中找到价值与机会？ 其实论文之间天然联系，他们的相近方法会迁移到不同问题，同类问题也会推动方法持续迭代并刷新 SOTA。 领域与方法因此形成若干 node，nodes 之间通过共享的关键论文与方法脉络相互连接，建立edge，即形成了 graph。 如果把这种 graph 与 time 叠加，就能看清热点与方法的流动，抓住当下，并推演未来趋势。 因为最近格外关注中国开源模型厂商，我把 Paper + Graph + Time 这种思路，给到 MiniMax Agent, 让它把我脑海中的这个比较复杂的工具 vibe 出来。 如视频所示，结果非常惊艳，这个工具成功带领我迅速了解了本月上百篇论文，我从中可以沿着自己喜欢的轨迹找到喜欢的话题和方向。 Kudos to MiniMax (official) ! MiniMax Agent Desktop 非常出色，可以直接连接我本地的论文库，与cc比较，以很低的成本，做完了这个复杂度非常高的任务，点赞！ 值得注意的是 MiniMax Agent 的 expert 模式超强，而且非常好看，这对应了他们设计的专门的 benchmark VIBE Bench！ 衡量的不仅仅完成度，还有 vibe，还有外观！
1:19
dongxi_nlp's profile picture

如何在海量 AI 论文中找到热点、机会与趋势？ 先说我的答案，Papers + Graph + Time 现在 AI 论文的产生速度极快，仅看 Hugging Face 榜单，每月上百篇，一年上千篇，问题来了，如何在海量论文中找到价值与机会？ 其实论文之间天然联系，他们的相近方法会迁移到不同问题，同类问题也会推动方法持续迭代并刷新 SOTA。 领域与方法因此形成若干 node，nodes 之间通过共享的关键论文与方法脉络相互连接，建立edge，即形成了 graph。 如果把这种 graph 与 time 叠加，就能看清热点与方法的流动，抓住当下，并推演未来趋势。 因为最近格外关注中国开源模型厂商，我把 Paper + Graph + Time 这种思路，给到 MiniMax Agent, 让它把我脑海中的这个比较复杂的工具 vibe 出来。 如视频所示，结果非常惊艳，这个工具成功带领我迅速了解了本月上百篇论文，我从中可以沿着自己喜欢的轨迹找到喜欢的话题和方向。 Kudos to MiniMax (official) ! MiniMax Agent Desktop 非常出色，可以直接连接我本地的论文库，与cc比较，以很低的成本，做完了这个复杂度非常高的任务，点赞！ 值得注意的是 MiniMax Agent 的 expert 模式超强，而且非常好看，这对应了他们设计的专门的 benchmark VIBE Bench！ 衡量的不仅仅完成度，还有 vibe，还有外观！

马东锡 NLP

27,884 просмотров • 5 месяцев назад

根据宝玉老师宝玉 关于notebooklm的反向工程获得的系统提示词，用自己最新分享的论文内容和读书笔记，生成了一个播客节目，不想用这个词，但效果只能说太炸裂了。 「LLM, Reasoning」论文 Reinforcement Learning for Reasoning in Large Language Models with One Training Example 心有灵犀一点通，只用1 个训练样本去打动模型，让LLM的reasoning能力巨大提升。
7:31
dongxi_nlp's profile picture

根据宝玉老师宝玉 关于notebooklm的反向工程获得的系统提示词，用自己最新分享的论文内容和读书笔记，生成了一个播客节目，不想用这个词，但效果只能说太炸裂了。 「LLM, Reasoning」论文 Reinforcement Learning for Reasoning in Large Language Models with One Training Example 心有灵犀一点通，只用1 个训练样本去打动模型，让LLM的reasoning能力巨大提升。

马东锡 NLP

49,913 просмотров • 1 год назад

Больше нет контента для загрузки