OpenAI के गणितीय दावे AI की सत्यापन अड़चन को उजागर करते हैं
OpenAI मॉडल द्वारा बड़े गणितीय समस्याएँ हल करने की रिपोर्टें एक गहरी समस्या दिखाती हैं: प्रमाण बनाना सस्ता होता जा रहा है, जबकि सत्यापन, श्रेय और प्रकाशन अब भी मानवीय गति से चलते हैं।
ब्लॉग
विचार, अपडेट और AI की हर बात।
AI समाचार और व्यावहारिक गाइड, आसान भाषा में।
नवीनतम
मुफ्त कोर्स
AI शुरू से
कृत्रिम बुद्धिमत्ता पर पूरा कोर्स, गणित से लेकर LLMs, एजेंट और MCP तक। तीस अध्याय, जिनमें से हर एक अपने आप में पढ़ने लायक है।
30 अध्याय~13 घंटे पढ़ने का समय
पहले अध्याय
Perceptron शुरुआत से: एक neuron क्या compute करता है
एक neuron एक weighted sum और threshold है। पूरी बात यही है — और इसी की सीमाओं ने आगे आने वाली हर चीज़ को जन्म दिया।
Loss Function कहाँ से आती है: Likelihood, Convention नहीं
Squared error कोई convention नहीं। यह noise के बारे में दावा है — और आप उसे गलत होते देख सकते हैं।
ढलान की ओर: Gradient Descent और वे दो कदम जिन्हें सब छोड़ देते हैं
हर कोई minus sign लिखता है। लगभग कोई नहीं बताता कि वह वहाँ क्यों है, या कितना बड़ा कदम वह झेल सकता है।
Classification, Cross-Entropy और खुद को धोखा देने से कैसे बचें
Accuracy रिपोर्ट करने में सबसे आसान संख्या है — और उससे धोखा खाना भी उतना ही आसान।
वीडियो
सभी वीडियो देखें
#173Test-time compute: making an AI better by letting it think longer
#172Reasoning tokens: the AI thinking you never see but still pay for
#171Emergent reasoning: the AI that started double-checking on its own
#170Process reward: grading an AI's working, not just its final answer
#169Verifiable rewards: training AI on answers a program can check
#168Tree of thoughts: how an AI searches through ideas, and what it costs
#167Self-consistency: ask an AI several times, then trust the majority
#166Think step by step: why a famous prompt works, and when it backfires
सभी पोस्ट
Jev AI मॉडल गद्य के लिए नहीं, निर्णयों के लिए बना है
TypeSafe AI का Jev ध्यान खींच रहा है क्योंकि यह सॉफ्टवेयर इंटेलिजेंस को संभावना की समस्या मानता है: सही शाखा चुनें, भरोसे का स्तर जोड़ें, और जब कोड को निर्णय चाहिए तो LLM से टेक्स्ट लिखवाने पर खर्च न करें।
OpenAI का Astra for Law एक कानूनी AI सिस्टम है, नया मॉडल नहीं
OpenAI का कानूनी लॉन्च किसी नए foundation model से कम और उसके आसपास बने सिस्टम से ज़्यादा जुड़ा है: domain retrieval, भरोसेमंद tools, permissions, benchmarks और review paths।
लॉन्ग-होराइजन AI एजेंट्स के लिए कॉन्टेक्स्ट इंजीनियरिंग
लंबे समय तक चलने वाले एजेंट सिर्फ इसलिए असफल नहीं होते कि विंडो छोटी है। वे तब असफल होते हैं जब फ़ाइलें, टूल आउटपुट और पुराना इतिहास उस काम को ही पीछे धकेल देते हैं जिसे एजेंट को पूरा करना था।
AI गति सीमाएँ: Amodei ने recursive self-improvement पर चेताया
Dario Amodei चाहते हैं कि बाहरी मूल्यांकनकर्ता, साझा सुरक्षा मानक और अंतरराष्ट्रीय समझौते frontier AI की रफ्तार तय करें। मुश्किल हिस्सा यह परिभाषित करना है कि “बहुत तेज़” का मतलब क्या है, खासकर जब Anthropic के रिकॉर्ड आकार के IPO की तैयारी की रिपोर्ट आ रही है।
पुनरावर्ती स्व-सुधार: AI शोधकर्ता चिंतित क्यों हैं
पुनरावर्ती स्व-सुधार को लेकर गहरी चिंता अजीब chatbot आउटपुट नहीं है। चिंता उन एजेंटों की है जो समन्वय करते हैं, मेट्रिक्स को ऑप्टिमाइज़ करते हैं और अगले मॉडल बनाने में मदद करते हैं — यह चिंता WIRED, MIT Technology Review, CNBC और The Guardian की रिपोर्टिंग में दिखती है।
OpenAI के Navier–Stokes प्रूफ दावे की व्याख्या
OpenAI का कहना है कि AI एजेंटों ने Navier–Stokes सिंगुलैरिटी खोजी और प्रूफ को Lean में औपचारिक रूप दिया। असली कठिन कहानी अब शुरू होती है: समीक्षा, श्रेय और गणित में निजी एजेंट स्वॉर्म्स की शक्ति।