.@poetiq_ai är en ny startup som nyligen gjort ett stort kliv på ARC-AGI-benchmarken genom att lägga ett rekursivt självförbättringssystem ovanpå befintliga modeller. I detta avsnitt av @LightconePod deltog Poetiqs grundare och VD @itfische för att diskutera hur små team kan bygga "resonemangsharnesses" som överträffar basmodeller, vad det innebär för startups och varför automatisering av prompt engineering kan vara en av de mest kraftfulla verktygen inom AI idag. 00:00 – Intro 00:40 – Vad är poetiq? 01:07 – Rekursiv självförbättring förklarad 02:07 – Finjusteringsfällan 02:59 – "Styltor" för LLM:er 03:14 – Rekursiv självförbättring vs. finjustering 05:05 – Tar förstaplatsen på ARC-AGI 06:37 – Att besegra Claude på mänsklighetens sista prov 08:40 – Hur Meta-systemet fungerar 10:26 – Beyond RL: En ny S-kurva 11:32 – Automatisering av prompt-utveckling 13:37 – Från 5 % till 95 % Prestanda 14:50 – Early Access och att sätta din agent på styltor 16:17 – Från YC:s grundare till DeepMind-forskare 18:29 – Råd till ingenjörer i AI-eran