VLA sunt încă foarte noi și multor oameni le este greu să înțeleagă diferența dintre VLA și LLM-uri. Iată o analiză profundă a modului în care aceste sisteme AI diferă în raționament, senzație și acțiune. Partea 1. Să analizăm distincțiile cheie și modul în care agenții AI înfășurați în jurul unui LLM diferă de agenții operatori care folosesc modele VLA: 1. Simț: Cum percep lumea Agent (LLM): procesează text sau date structurate, de exemplu JSON, API-uri și, uneori, imagini. Este ca un creier care lucrează cu intrări curate și abstracte. Gândiți-vă la citirea unui manual sau la analizarea unei foi de calcul. Excelent pentru medii structurate, dar limitat de ceea ce este alimentat. Operator (VLA): vede pixelii bruti, în timp real, de la camere, plus datele senzorului (de exemplu, atingerea, poziția) și propriocepția (autoconștientizarea mișcării). Este ca și cum ai naviga prin lume cu ochii și simțurile, prosperând în setări dinamice și dezordonate, cum ar fi interfețele de utilizare sau spațiile fizice. 2. Acționează: Cum interacționează Agent: acționează prin apelarea funcțiilor, instrumentelor sau API-urilor. Imaginați-vă că este un manager care trimite instrucțiuni precise, cum ar fi "rezervați un zbor prin API-ul Expedia". Este deliberat, dar se bazează pe instrumente pre-construite și interfețe clare. Operator: Execută acțiuni continue, de nivel scăzut, cum ar fi mișcarea cursorului mouse-ului, tastarea sau controlul articulațiilor robotului. Este ca un muncitor calificat care manipulează direct mediul, ideal pentru sarcini care necesită precizie în timp real. 3. Control: Cum iau decizii Agent: Urmează o buclă lentă, reflexivă: planifică, apelează un instrument, evaluează rezultatul, repetă. Este legat de token (limitat de procesarea textului) și legat de rețea (așteaptă răspunsurile API). Acest lucru îl face metodic, dar lent pentru sarcinile în timp real. Operator: Operează, luând decizii treptate într-o buclă strânsă de feedback. Gândiți-vă la asta ca la un jucător care reacționează instantaneu la ceea ce este pe ecran. Această viteză permite interacțiunea fluidă, dar necesită o procesare robustă în timp real. 4. Date de învățat: ce le alimentează pregătirea Agent: Antrenat pe corpus de text vast, instrucțiuni, documentație sau seturi de date RAG (Retrieval-Augmented Generation). Învață din cărți, cod sau întrebări frecvente, excelând la raționament în detrimentul cunoștințelor structurate. Operator: Învață din demonstrații (de exemplu, videoclipuri cu oameni care efectuează sarcini), jurnale de teleoperare sau semnale de recompensă. Este ca și cum ai învăța urmărind și exersând, perfect pentru sarcini în care instrucțiunile explicite sunt rare. 5. Moduri de eșec: unde se rup Agent: Predispus la halucinații sau planuri fragile pe termen lung care se destramă dacă un pas eșuează. Este ca un strateg care se gândește prea mult sau interpretează greșit situația. Operator: Se confruntă cu schimbarea covariabilelor (atunci când datele de antrenament nu se potrivesc cu condițiile din lumea reală) sau cu erori combinate în control (mici greșeli bulgăre de zăpadă). Este ca un șofer care pierde controlul pe un drum necunoscut. 6. Infra: Tehnologia din spatele lor Agent: Se bazează pe un prompt/router pentru a decide ce instrumente să apeleze, un registru de instrumente pentru funcțiile disponibile și memorie/RAG pentru context. Este o configurație modulară, ca un centru de comandă care orchestrează sarcini. Operator: Are nevoie de conducte de ingestie video, un server de acțiune pentru control în timp real, un scut de siguranță pentru a preveni acțiunile dăunătoare și un tampon de reluare pentru a stoca experiențe. Este un sistem de înaltă performanță construit pentru medii dinamice. 7. Unde fiecare strălucește: Punctele lor dulci Agent: Domină în fluxurile de lucru cu API-uri curate (de exemplu, automatizarea proceselor de afaceri), raționament asupra documentelor (de exemplu, rezumarea rapoartelor) sau generarea de cod. Este alegerea ta pentru sarcini structurate, de nivel înalt. Operator: Excelează în medii dezordonate, fără API, cum ar fi navigarea în interfețe de utilizare greoaie, controlul roboților sau abordarea sarcinilor asemănătoare jocurilor. Dacă implică interacțiune în timp real cu sisteme imprevizibile, VLA este rege. 8. Model mental: planificator + întreprinzător Gândiți-vă la agentul LLM ca la planificator: împarte sarcinile complexe în obiective clare și logice. Operatorul VLA este cel care execută, executând aceste obiective prin interacțiunea directă cu pixelii sau sistemele fizice. Un verificator (un alt sistem sau agent) monitorizează rezultatele pentru a asigura succesul. $CODEC

Bună ziua tuturor, Astăzi lansez un nou tip de experiment folosind Claude Code. Scopul > de a face cel mai bun site web vreodată. Am resetat site-ul la starea inițială și am oprit backend-ul. Voi actualiza site-ul cu CA, apoi va începe experimentul. La fiecare 5 minute, Claude vizitează site-ul, îl vede, plănuiește o actualizare, face actualizarea, își înregistrează gândurile și trimite pe Github. Poate dura 10-15 minute pentru ca Claude să-și codifice și să-și testeze modificările. Această împingere Git declanșează o acțiune care implementează din nou site-ul live. Acest lucru creează o buclă inginerească recursivă, complet controlată de mintea lui Claude. Este fascinant să vezi ce va face un agent atunci când i se oferă o pagină web goală și control deplin.

Inițial am crezut că este un asistent Microsoft nostalgic, dar am descoperit că unii oameni de pe LinkedIn și-au schimbat și avatarurile Clippy. Originea este un videoclip postat de Louis Rossmann, o persoană cu 2,7 milioane de abonați, care a depășit 1 milion de vizualizări pe YouTube într-o singură zi, iar acest subiect rezonează în prezent rapid. Mulți oameni cred că este doar nostalgie, dar există un motiv mai profund în spatele ei. Misiunea Clippy la sfârșitul anilor '90 și începutul anilor 2000 a fost simplă – să ajute utilizatorii să facă lucrurile. Clippy în anii '90 a fost puțin enervant, dar singurul său scop a fost să "ajute utilizatorii", dar nu ți-a furat datele, nu a limitat dacă poți folosi o anumită caracteristică și nu a refuzat să apară pentru că nu plăteai o taxă lunară. Existența sa reprezintă o eră în care "produsele aparțin utilizatorilor". Videoclipul vorbește în principal despre problemele de proprietate digitală din scandalul Facebook 1. Facebook urmărește o fată care își șterge selfie-ul, probabil pentru că este deprimată, și vinde reclame la cosmetice. 2. În comparație cu anii 90, Microsoft a fost amendat pentru că a legat IE de sistemul de operare, dar acum compania face lucruri mai rele, dar este în siguranță. Software-ul devine bazat pe abonament și ești doar un chiriaș 1. Companiile pot elimina funcții de la distanță, pot reduce performanța sau chiar pot elimina echipamentele 2. Legea (de exemplu, DMCA 1201) vă interzice să deblocați, să reparați sau chiar să-i învățați pe alții cum să o facă, ceea ce înseamnă că, dacă compania blochează în mod deliberat funcția și elimină software-ul, utilizatorul poate încălca legea chiar dacă o poate repara. 3. Datele și conținutul sunt blocate în cloud, iar tot controlul este în mâinile companiei4. Datele și conținutul sunt blocate în cloud, iar controlul final nu este niciodată în mâinile tale Nu doar amuzant sau omagiu, ci un simbol – un memento că tehnologia ar trebui să servească utilizatorilor, nu să-i controleze. Aceasta este o acțiune colectivă care cere "adevărata proprietate" și un protest blând împotriva status quo-ului. Până când consumatorii vor avea din nou drepturi. Până când proprietatea este luată în serios.

Creăm contul nostru oficial X pentru Vibe Game: O platformă pentru a construi și tokeniza jocuri pe @solana instantaneu cu drag and drop în ~5 minute și pentru a câștiga taxe de creator prin SendShot. și adoptarea $VIBEY ca prima noastră monedă oficială. CA: 3nf8LgahHm57gEUx64cDNJf4h53C2MwqZCK6LGDTsend

5hUL8iHMXcUj9AS7yBErJmmTXyRvbdwwUqbtB2udjups