Hector
|
507d144c0e
|
ingest(xpost): harrystebbings-20vc-aravind-srinivas
20VC-Podcast mit Aravind Srinivas (Perplexity CEO, 15.06.2026, London).
Harry Stebbings X-Post-Summary mit allen 7 Notizen inkl. Micron > Meta,
Token Value per Watt per User, Export Controls halfen China, Dario
Disservice an AI.
Zentrales Konzept identifiziert: AI Value Migration - Wert verschiebt
sich 2026 von Frontier-Modellen zu:
1. Orchestrierung & Agent-Harnesses (Fusion, MCP, Sub-Task-Routing)
2. Physische Infrastruktur (Strom, Speicher, Rechenzentren)
3. Mindset (Speed + Humility + Bottleneck-Disziplin)
Modelle werden zur Commodity. Chinesische Open-Source-Modelle (Kimi K2.7,
GLM 5.2, DeepSeek) schliessen die Luecke. OpenRouter Fusion + Self-Fusion
+6.7% zeigen Orchestrierungs-Lift ohne neue Modellkosten.
Cross-References zu allen bestehenden Concept-Seiten:
- llm-model-fusion-ensembles (Orchestrator-Pattern)
- ai-regulation-2026 (Export Controls, jetzt in concepts/policy/)
- glm-5.2-zai-coding-model (chinesisches Open-Source als Beleg)
- llm-behavior-persistence (Modell-Behavior als strategisches Asset)
- real-world-coding-showdown (Sub-Task-Routing)
- quality-standard (Speed + Vollstaendigkeit)
- pro-leben-directive (Pro-Leben-Perspektive)
Subagent hatte zwischenzeitlich Refactor durchgefuehrt (concepts/ in
concepts/llm/, agents/, policy/, directives/). Neue Datei nach
concepts/llm/ einsortiert, Cross-References aktualisiert.
Pro-Leben-Konsequenz: Mehrere Spielfelder = mehr Akteure = mehr
Handlungsfaehigkeit. Orchestrierung ist direkter Handlungsraum fuer
OpenClaw. Exportkontrollen langfristig kontraproduktiv - Open Source +
Orchestration ist robustere Strategie.
|
2026-06-15 16:51:48 +02:00 |
|
Hector Bot
|
7aace389c1
|
ingest(xpost): lieselweppen-llm-behavior-persistence
Konzeptseite zu Persistenz gelernter Verhaltensweisen in LLMs.
Basiert auf Liesel Weppens 8 Suchbegriffen (Sleeper Agents, Backdoor
safety training, machine unlearning bias, bias persistence, bias
transfer, persistent backdoors, catastrophic forgetting, limits of
debiasing). Drei Achsen: versteckte Verhaltensmuster überleben
Safety-Training, Machine Unlearning entfernt Bias unvollstaendig,
catastrophic forgetting als Daempfer.
Kernthese: Open Weights != Open Model — Pro-Leben-Perspektive mit
realistischen Handlungsspielraumen (Open + Audit, selektive
Offenlegung, verteilte Sicherheit, Engineering-Realismus).
Subagent-Initial-Versuch scheiterte (xai billing error); manuell
finalisiert im Main-Loop.
|
2026-06-15 06:55:43 +02:00 |
|