esta podría ser mi única llamada correcta más grande que haga en mi vida jaja

## La eficiencia a nivel humano es necesaria para la AGI terminando un gran viaje 🇸🇬 donde pude pasar tiempo con @agihippo + vi a @jeffdean @quocleix @denny_zhou y otros dar actualizaciones sobre el "Estado de GDM" 2025* de lejos, el tema recurrente número 1 en nuestras conversaciones es la eficiencia de aprendizaje. el tiempo de inferencia y el cómputo están de moda ahora, pero la #eficienciaestállegando a continuación, y generalmente estoy de 3 a 6 meses por delante de la mayoría cuando este tipo de consenso de laboratorio de frontera llega a través de mi grueso cráneo. la gente a menudo se sorprende y luego generalmente está de acuerdo cuando trazo una línea a través del avance del aprendizaje auto supervisado y RLAIF y RLVR, que son solo cambios de paso en el rendimiento obtenido por punto de datos, y el próximo salto exponencial de esta eficiencia fue obviamente lo que Quoc confirmó que Ilya también está trabajando en su charla referenciada a continuación + la "montaña" que Ilya identificó en NeurIPS. Apostaría algo de dinero a que la solución a esto es un nuevo bloque/abstracción no transformador que no es "solo multiagentes" y es más parecido a la prueba en tiempo real y resolución de hipótesis potenciales del modelo del mundo, algo así como resolver un rompecabezas de sudoku o jugar Cluedo. esta es la única forma sistemática que conozco para reducir el proceso de aprendizaje humano donde podemos aprender conceptos con pocos ejemplos con 10-20 veces menos puntos de datos por concepto que el SOTA actual. Si yo fuera un investigador, comenzaría aquí ahora... y sería muy irónico/genial si esta fuera la victoria definitiva de @ylecun.

## La eficiencia a nivel humano es necesaria para la AGI terminando un gran viaje 🇸🇬 donde pude pasar tiempo con @agihippo + vi a @jeffdean @quocleix @denny_zhou y otros dar actualizaciones sobre el "Estado de GDM" 2025* de lejos, el tema recurrente número 1 en nuestras conversaciones es la eficiencia de aprendizaje. el tiempo de inferencia y el cómputo están de moda ahora, pero la #eficienciaestállegando a continuación, y generalmente estoy de 3 a 6 meses por delante de la mayoría cuando tengo sensaciones como esta. la gente a menudo se sorprende y luego generalmente está de acuerdo cuando trazo una línea entre el avance del aprendizaje auto supervisado y RLAIF y RLVR, que son solo cambios de paso en el rendimiento obtenido por punto de datos, y el próximo salto exponencial de esta eficiencia fue obviamente lo que Quoc confirmó que Ilya también está trabajando en su charla referenciada a continuación + la "montaña" que Ilya identificó en NeurIPS. Apostaría algo de dinero a que la solución a esto es un nuevo bloque/abstracción no transformador que no es "solo multiagentes" y es más parecido a la prueba en tiempo real y resolución de hipótesis potenciales del modelo del mundo, algo así como resolver un rompecabezas de sudoku o jugar Cluedo. esta es la única forma sistemática que conozco para reducir el proceso de aprendizaje humano donde podemos aprender conceptos con 10-20 veces menos puntos de datos por concepto que el SOTA actual. Si yo fuera un investigador, comenzaría aquí ahora... y sería muy irónico/genial si esta fuera la victoria definitiva de @ylecun.