VLA:er är fortfarande väldigt nya och många människor har svårt att förstå skillnaden mellan VLA:er och LLM:er. Här är en djupdykning i hur dessa AI-system skiljer sig åt när det gäller resonemang, avkänning och handling. Del 1. Låt oss dela upp de viktigaste skillnaderna och hur AI-agenter lindade runt en LLM skiljer sig från operatörsagenter som använder VLA-modeller: 1. Känsla: Hur de uppfattar världen Agent (LLM): Bearbetar text eller strukturerade data, t.ex. JSON, API:er och ibland bilder. Det är som en hjärna som arbetar med rena, abstraherade indata. Tänk dig att läsa en manual eller analysera ett kalkylblad. Perfekt för strukturerade miljöer men begränsad av vad som matas till den. Operatör (VLA): Ser råa pixlar i realtid från kameror, plus sensordata (t.ex. beröring, position) och proprioception (självmedvetenhet om rörelse). Det är som att navigera i världen med ögon och sinnen och trivas i dynamiska, röriga miljöer som användargränssnitt eller fysiska utrymmen. 2. Agera: Hur de interagerar Agent: Fungerar genom att anropa funktioner, verktyg eller API:er. Föreställ dig att en chef skickar exakta instruktioner som "boka ett flyg via Expedia API". Det är medvetet men förlitar sig på förbyggda verktyg och tydliga gränssnitt. Operator: Utför kontinuerliga åtgärder på låg nivå, som att flytta en muspekare, skriva eller styra robotleder. Det är som en skicklig arbetare som direkt manipulerar miljön, perfekt för uppgifter som kräver precision i realtid. 3. Kontroll: Hur de fattar beslut Agent: Följer en långsam, reflekterande loop: planera, anropa ett verktyg, utvärdera resultatet, upprepa. Den är tokenbunden (begränsas av textbearbetning) och nätverksbunden (väntar på API-svar). Detta gör det metodiskt men trögt för uppgifter i realtid. Operatör: Arbetar och fattar stegvisa beslut i en tät återkopplingsslinga. Tänk på det som en spelare som reagerar direkt på det som visas på skärmen. Denna hastighet möjliggör smidig interaktion men kräver robust bearbetning i realtid. 4. Data att lära sig: Vad som driver deras utbildning Agent: Utbildad på omfattande textkorpusar, instruktioner, dokumentation eller RAG-datauppsättningar (Retrieval-Augmented Generation). Den lär sig från böcker, kod eller vanliga frågor och svar och utmärker sig på att resonera framför strukturerad kunskap. Operatör: Lär sig från demonstrationer (t.ex. videor av människor som utför uppgifter), fjärrstyrningsloggar eller belöningssignaler. Det är som att lära sig genom att titta och öva, perfekt för uppgifter där explicita instruktioner är knapphändiga. 5. Fellägen: Var de går sönder Agent: Benägen att hallucinera (hitta på svar) eller bräckliga planer med lång horisont som går i stöpet om ett steg misslyckas. Det är som en strateg som övertänker eller misstolkar situationen. Operatör: Står inför kovariatförskjutning (när träningsdata inte matchar verkliga förhållanden) eller sammansatta fel i kontrollen (små misstag snöbollseffekt). Det är som en förare som tappar kontrollen på en okänd väg. 6. Infra: Tekniken bakom dem Agent: Förlitar sig på en prompt/router för att bestämma vilka verktyg som ska anropas, ett verktygsregister för tillgängliga funktioner och minne/RAG för kontext. Det är en modulär installation, som en kommandocentral som orkestrerar uppgifter. Operatör: Behöver pipelines för videoinmatning, en åtgärdsserver för realtidskontroll, en säkerhetssköld för att förhindra skadliga åtgärder och en uppspelningsbuffert för att lagra upplevelser. Det är ett högpresterande system byggt för dynamiska miljöer. 7. Var var och en lyser: Deras söta fläckar Agent: Dominerar i arbetsflöden med rena API:er (t.ex. automatisering av affärsprocesser), resonemang över dokument (t.ex. sammanfattning av rapporter) eller kodgenerering. Det är din favorit för strukturerade uppgifter på hög nivå. Operatör: Utmärker sig i röriga, API-fria miljöer som att navigera i klumpiga användargränssnitt, styra robotar eller ta itu med spelliknande uppgifter. Om det handlar om interaktion i realtid med oförutsägbara system är VLA kung. 8. Mental modell: Planerare + Görare Tänk på LLM-agenten som planeraren: den delar upp komplexa uppgifter i tydliga, logiska mål. VLA-operatören är den som utför dessa mål genom att direkt interagera med pixlar eller fysiska system. En kontrollant (ett annat system eller en agent) övervakar resultaten för att säkerställa framgång. $CODEC

Hej allihopa, Idag släpper jag en ny typ av experiment med Claude Code. Målet > att göra den bästa webbplatsen någonsin. Jag har återställt webbplatsen till dess ursprungliga tillstånd och stängt av vår backend. Jag kommer att uppdatera webbplatsen med certifikatutfärdaren, sedan börjar experimentet. Var 5:e minut besöker Claude webbplatsen, tittar på den, planerar en uppdatering, gör uppdateringen, loggar sina tankar och skickar den till Github. Det kan ta 10-15 minuter för Claude att koda och testa ändringarna. Den här Git-pushen utlöser en åtgärd som distribuerar den aktiva webbplatsen igen. Detta skapar en rekursiv ingenjörsloop, som helt kontrolleras av Claudes sinne. Det är fascinerande att se vad en agent kommer att göra när han eller hon får en tom webbsida och full kontroll.

Jag trodde först att det var en nostalgisk Microsoft-assistent, men jag upptäckte att vissa personer på min LinkedIn också har ändrat sina Clippy-avatarer. Ursprunget är en video som publicerades av Louis Rossmann, en person med 2,7 miljoner prenumeranter, som har överstigit 1 miljon visningar på YouTube på en dag, och detta ämne resonerar för närvarande snabbt. Många tror att det bara är nostalgi, men det finns en djupare anledning bakom det. Clippys uppdrag i slutet av 90-talet och början av 2000-talet var enkelt – att hjälpa användare att få saker gjorda. Clippy på 90-talet var lite irriterande, men dess enda syfte var att "hjälpa användarna", men det stal inte din data, begränsade inte om du kunde använda en viss funktion och vägrade inte att dyka upp för att du inte betalade en månadsavgift. Dess existens representerar en era där "produkter tillhör användarna". Videon handlar främst om frågor om digitalt ägande från Facebook-skandalen 1. Facebook spårar en tjej som raderar sin selfie, förmodligen för att hon är deprimerad, och säljer kosmetikaannonser. 2. Jämfört med 90-talet bötfälldes Microsoft för att ha bundit IE till operativsystemet, men nu gör företaget värre saker men är säkert. Programvaran blir prenumerationsbaserad och du är bara en hyresgäst 1. Företag kan ta bort funktioner på distans, minska prestanda eller till och med skrota utrustning direkt 2. Lagen (t.ex. DMCA 1201) förbjuder dig att låsa upp, reparera eller ens lära andra hur man gör det, vilket innebär att om företaget medvetet låser funktionen och tar bort programvaran kan användaren bryta mot lagen även om de kan fixa det. 3. Din data och ditt innehåll är låst i molnet och all kontroll ligger i företagets händer4. Data och innehåll är låsta i molnet, och den ultimata kontrollen ligger aldrig i dina händer Inte bara roligt eller en hyllning, utan en symbol – en påminnelse om att tekniken ska tjäna användarna, inte kontrollera dem. Detta är en kollektiv aktion som kräver "verkligt ägarskap" och en mild protest mot status quo. Tills konsumenterna har rättigheter igen. Tills ägandet tas på allvar.

Vi skapar vårt officiella X-konto för Vibe Game: En plattform för att bygga och tokenisera spel på @solana direkt med dra och släpp på ~5 minuter och tjäna skaparavgifter via SendShot. och anta $VIBEY som vårt första officiella mynt. CA: 3nf8LgahHm57gEUx64cDNJf4h53C2MwqZCK6LGDTsend

5hUL8iHMXcUj9AS7yBErJmmTXyRvbdwwUqbtB2udjups