Bild vom Herausgeber
# Einführung
KI entwickelt sich so schnell, dass traditionelle Nachrichtenagenturen und sogar Fachzeitschriften oft Schwierigkeiten haben, mitzuhalten. Insbesondere LLMs erleben so häufig Durchbrüche in den Bereichen Denkvermögen, Effizienz und Agentenfähigkeiten, dass die sozialen Medien ununterbrochen damit überschwemmt werden. X (ehemals Twitter) ist weiterhin ein zentraler Knotenpunkt für die KI-Forschungsgemeinschaft, wo Entwickler, Ingenieure und Forscher in Echtzeit Ideen teilen und austauschen können.
Allerdings kann es im Zeitalter algorithmischer Feeds eine Herausforderung sein, qualitativ hochwertige Informationen zu finden. Um wirklich von der Plattform zu profitieren, muss man den Hype durchdringen, um die Mitwirkenden zu finden, die über fundiertes technisches Fachwissen und umsetzbare Erkenntnisse von größter Tragweite verfügen. Es gibt einige große, offensichtliche Namen, denen wahrscheinlich schon jeder folgt, deshalb werde ich sie hier nicht wiederholen. Stattdessen konzentriert sich dieser Artikel auf Konten, die regelmäßig nützliche LLM-Updates, Artikel, Instruments oder durchdachte Kommentare teilen. Wenn Sie Sign-Over-Rauschen wollen, sind diese solide Lösungen.
# Die 10 besten X (Twitter)-Konten für LLM-Updates
// 1. DAIR.AI (@dair_ai)
DAIR.AI Veröffentlicht regelmäßig Papierthreads und kurze Forschungserklärungen, die technisch, aber dennoch lesbar und leicht zu überfliegen sind. Es wird allgemein als verlässlicher Feed für KI- und LLM-Forschungshinweise empfohlen, wenn Leute fragen, wie sie mithalten können. Ich persönlich habe sie geliebt „Papiere der Woche zum maschinellen Lernen“ Serie und habe sie letztes Jahr aufmerksam verfolgt.
// 2. Andrej Karpathy (@karpathy)
Andrej Karpathy ist nach wie vor einer der Besten, wenn es um klare Überlegungen zu Deep Studying und LLMs geht. Wenn er postet, ist es meist lesenswert. Er teilt Instinct, Lernratschläge und Perspektiven darüber, wohin sich das Fachgebiet entwickelt. Wenn Ihnen die Grundlagen am Herzen liegen, ist dies ein Muss.
// 3. Sebastian Raschka (@rasbt)
Sebastian Raschka Der Fokus liegt auf Umsetzung und Studying by Doing. Sie sehen Tutorials, Architekturaufschlüsselungen sowie praktische Einblicke in maschinelles Lernen und LLM. Wenn Sie tatsächlich Modelle bauen (oder wollen), sind seine Beiträge durchweg nützlich.
// 4. alphaXiv (@askalphaxiv)
alphaXiv basiert auf der Entdeckung und Diskussion von arXiv-Artikeln und verfügt über eine soziale Ebene für die Forschung. Sie können damit stöbern, diskutieren und sehen, womit sich andere Leute in aktuellen Aufsätzen beschäftigen, sodass Sie schneller ein Gefühl dafür bekommen, was praktisch oder wirkungsvoll ist. Ich persönlich bin im letzten Monat darauf umgestiegen, um mit den Traits Schritt zu halten.
// 5. Die Rundown-KI (@TheRundownAI)
Die heruntergekommene KI ist ein hochvolumiger KI-Nachrichtenstream, der am besten wie ein Nachrichtendienst genutzt wird: Schlagzeilen überfliegen, nur das Wesentliche anklicken und den Relaxation ignorieren. Ihre eigene Positionierung ist „größter KI-E-newsletter“ Das entspricht dem Gefühl auf X – additionally schnell, umfassend und ständig aktualisiert. Wenn Sie über Produkteinführungen, Finanzierungsnachrichten und Modellveröffentlichungen auf dem Laufenden bleiben möchten, ist es genau das Richtige für Sie.
// 6. AK (@_akhaliq)
AK ist einer der am häufigsten zitierten Accounts für neue arXiv-Artikel, Modellveröffentlichungen und Open-Supply-Instruments. Wenn etwas Neues erscheint, taucht es hier oft schnell auf. Der Feed kann manchmal virale Inhalte enthalten, aber für die Entdeckung ist es schwer, ihn zu ignorieren.
// 7. Ahmad Osman (@TheAhmadOsman)
Ahmad Osman konzentriert sich auf KI-Systeme, Infrastruktur und {Hardware}, insbesondere auf die lokale Ausführung von LLMs, anstatt sich nur auf Anwendungsprogrammierschnittstellen (APIs) zu verlassen. Er gibt praktische Einblicke in Grafikprozessoren (GPUs), Inferenzleistung und selbst gehostete Setups. Ehrlich gesagt, seine Beiträge überzeugen Sie quick davon, eine GPU zu kaufen und Ihr eigenes lokales LLM-Setup aufzubauen.
// 8. Matt Wolfe (@mreflow)
Matt Wolfe teilt tägliche KI-Updates und Software-Zusammenfassungen. Sehr baufreundlich. Wenn Sie gerne wissen möchten, welche neuen KI-Produkte diese Woche auf den Markt kamen (ohne selbst danach zu suchen), hält Sie dieses Konto auf dem Laufenden.
// 9. Simon Willison (@simonw)
Simon Willison eignet sich hervorragend für den praktischen LLM-Einsatz. Er teilt Experimente, echte Anregungen, Werkzeugaufschlüsselungen und ehrliche Überlegungen darüber, was funktioniert und was nicht. Wenn Sie Wert darauf legen, tatsächlich mit LLMs zu bauen und nicht nur darüber zu lesen, ist dies eine der besten Empfehlungen.
// 10. Ethan Mollick (@emollick)
Ethan Mollick spricht über LLMs im Kontext von Arbeit, Bildung und Auswirkungen auf die reale Welt. Weniger über Modellinterna, mehr über „Was ändert sich dadurch?“ Wenn Sie nachdenkliche und originelle Kommentare dazu wünschen, wie sich KI auf Arbeitsplätze und Organisationen auswirkt, ist er eine starke Stimme.
# Abschluss
Sie müssen nicht Hunderten von AI-Konten folgen, um auf dem Laufenden zu bleiben. Eine kleine, intestine recherchierte Liste ist meist besser. Wenn Sie sich für Folgendes interessieren:
- Forschung: DAIR.AI, alphaXiv.
- Tiefe Instinct: Andrej Karpathy.
- Praktisches Gebäude: Sebastian Raschka, Simon Willison.
- Neuigkeiten und Instruments: Die heruntergekommene KI, Matt Wolfe.
- Systeme und Infrastruktur: Ahmad Osman.
- Arbeit und Wirkung: Ethan Mollick.
Wählen Sie basierend auf dem aus, was Sie tatsächlich lernen möchten. Das allein wird den größten Teil des Lärms reduzieren.
Kanwal Mehreen ist ein Ingenieur für maschinelles Lernen und ein technischer Redakteur mit einer großen Leidenschaft für Datenwissenschaft und die Schnittstelle zwischen KI und Medizin. Sie ist Mitautorin des E-Books „Maximizing Productiveness with ChatGPT“. Als Google Technology Scholar 2022 für APAC setzt sie sich für Vielfalt und akademische Exzellenz ein. Sie ist außerdem als Teradata Variety in Tech Scholar, Mitacs Globalink Analysis Scholar und Harvard WeCode Scholar anerkannt. Kanwal ist ein leidenschaftlicher Verfechter von Veränderungen und hat FEMCodes gegründet, um Frauen in MINT-Bereichen zu stärken.