Info
Artificial Intelligence, Web Crawling & Application Development
Aktivitäten
191 Follower:innen
-
Edoardo Deiana hat dies repostetEdoardo Deiana hat dies repostet🎂 Dreimal 10-jähriges Firmenjubiläum Drei Menschen. Drei unterschiedliche Wege. Und zusammen 30 Jahre tripuls: Seit zehn Jahren sind Steve Afflerbach, Katharina Handstein und Edoardo Deiana Teil unseres Teams. 🧑🏻💻 Steve hat seine Ausbildung bei tripuls gemacht und sich im Lauf der Jahre immer stärker in Richtung Softwarearchitektur entwickelt. Ein Projekt, das ihn dabei besonders lange begleitet hat, ist PREISmonitoring. Hier hat er die technische Entwicklung und den Wandel von einer vergleichsweise kleinen Lösung zu einer verteilten Microservice-/Cluster-Architektur mitgestaltet. Heute beschäftigt er sich intensiv damit, wie sich KI und Agenten sinnvoll in Entwicklungsprozesse integrieren lassen. Vieles davon passiert Steve-typisch eher im Hintergrund, wo er mit stabilen und langfristig tragfähigen Lösungen dafür sorgt, dass es vorne läuft. 🛠️ Katharina ist unser Generalisten-Talent: TYPO3, WordPress und ein bisschen App-Entwicklung. Wenn irgendwo Unterstützung gebraucht wird, ist sie häufig nicht weit. Als ehemalige Leiterin eines Entwicklerteams kennt sie sich bestens mit fachlicher und organisatorischer Verantwortung aus und sorgt darüber hinaus als Sicherheitsbeauftragte und betriebliche Ersthelferin dafür, dass auch abseits des Codes alles möglichst sicher läuft. Ihre eigene Beschreibung ihrer Kompetenzen? »Ich kann alles, aber nix richtig gut.« Wir würden das dann doch etwas anders formulieren: Katharina ist vielseitig begabt, packt an und hat immer ein offenes Ohr für verzweifelte Kolleg:innen, die mal wieder an der Technik scheitern. 🤖 Edoardo kam 2014 von Sardinien nach Deutschland und begann 2016 seine Ausbildung bei tripuls. Schon während seiner Ausbildung beschäftigte er sich intensiv mit KI und entwickelte 2019 im Rahmen seines Abschlussprojekts einen selbstgebauten KI-Chatbot. Nach seiner Zeit als Team Lead bei PREISmonitoring, in der er das Projekt über Jahre hinweg maßgeblich vorangebracht hat, ist er heute als KI-Entwickler bei AIMAX Business Solutions aktiv. 30 Jahre tripuls, drei individuelle Wege und jede Menge Know-how: Wir freuen uns, Steve, Kathi und Eddy im Team zu haben, und freuen uns auf viele weitere gemeinsame Jahre! 🦾
-
Edoardo Deiana hat dies repostetEdoardo Deiana hat dies repostetKommende Woche darf ich auf der virtuellen Konferenz "Daten & KI 26" des HighText Verlag Graf und Treplin oHG sprechen. Mein Vortrag wird zeigen, welche Entscheidungen Geschäftsführung und IT heute treffen müssen, damit KI nicht zu Schatten-IT, Kontrollverlust oder einer neuen strategischen Abhängigkeit führt. Anhand einer praxisnahen Referenzarchitektur erfährst Du, wie sich Datenschutz, Innovationsgeschwindigkeit und Zukunftsfähigkeit verbinden lassen. Eine Checkliste liefert die entscheidenden Fragen, um die eigene KI-Strategie auf Belastbarkeit prüfen zu können. Wann? 8. September, 11:30 Uhr Hier geht es zur kostenfreien Anmeldung: https://lnkd.in/euexuG_f Ich freue mich, Dich virtuell begrüßen zu dürfen! P.S.: Teilen erwünscht! P.P.S.: Wenn Du an dem Termin bereits ausgebucht bist, sprich mich gern persönlich an! #DigitaleSouveränität #AIGovernance #KI #LokaleKI AIMAX Business Solutions
-
Edoardo Deiana hat dies geteilt👋 𝗧𝘀𝗰𝗵ü𝘀𝘀 – 𝗶𝗰𝗵 𝗯𝗶𝗻 𝗱𝗮𝗻𝗻 𝗺𝗮𝗹 𝗶𝗻 𝗘𝗹𝘁𝗲𝗿𝗻𝘇𝗲𝗶𝘁. Als KI-Entwickler darf ich für einen Monat mein wohl spannendstes Projekt übernehmen: Training eines Modells für 𝙈𝙄 – 𝙈𝙚𝙣𝙨𝙘𝙝𝙡𝙞𝙘𝙝𝙚 𝙄𝙣𝙩𝙚𝙡𝙡𝙞𝙜𝙚𝙣𝙯. Das Modell befindet sich aktuell noch im SLM-Stadium (𝗦𝗺𝗮𝗹𝗹 𝗟𝗶𝘁𝘁𝗹𝗲 𝗠𝗲𝗻𝘀𝗰𝗵™), bringt aber eine äußerst vielversprechende Roadmap mit. 𝗔𝗸𝘁𝘂𝗲𝗹𝗹𝗲𝗿 𝗧𝗿𝗮𝗶𝗻𝗶𝗻𝗴𝘀𝘀𝘁𝗮𝘁𝘂𝘀 - Das Modell wird vollständig from scratch trainiert. - Die Wissensdatenbank wird täglich mit einer wilden Mischung aus sauberen und ziemlich "noisy" Daten befüllt, die diese Welt so zu bieten hat. - Als Trainingsdaten dienen aktuell vor allem 𝘿𝙚𝙪𝙩𝙨𝙘𝙝, 𝙄𝙩𝙖𝙡𝙞𝙚𝙣𝙞𝙨𝙘𝙝 𝙪𝙣𝙙 𝙩𝙞𝙚𝙛𝙨𝙩𝙚𝙨 𝙉𝙞𝙚𝙙𝙚𝙧𝙗𝙖𝙮𝙚𝙧𝙞𝙨𝙘𝙝. Letzteres wird vermutlich den größten Einfluss auf die spätere Modellarchitektur haben. 😉 - Obwohl täglich Millionen von Tokens aufgenommen werden, besteht der Text-Output momentan hauptsächlich aus monosyllabischen Tokens mit erstaunlich hoher Wiederholungsrate. - Das Kontextfenster ist noch recht klein, wächst aber mit jedem täglichen Release. - Die Inferenz läuft inzwischen erstaunlich schnell: Das Modell navigiert zuverlässig durch nahezu jedes Environment. - Multimodal: Das Modell verarbeitet 𝘽𝙞𝙡𝙙-, 𝘼𝙪𝙙𝙞𝙤- 𝙪𝙣𝙙 𝙎𝙚𝙣𝙨𝙤𝙧𝙙𝙖𝙩𝙚𝙣 𝗽𝗮𝗿𝗮𝗹𝗹𝗲𝗹. Unbekannte Objekte werden zur Validierung jedoch weiterhin zuverlässig über die integrierte 𝗠𝗼𝘂𝘁𝗵-𝗔𝗣𝗜 analysiert. 𝗕𝗲𝗸𝗮𝗻𝗻𝘁𝗲 𝗟𝗶𝗺𝗶𝘁𝗮𝘁𝗶𝗼𝗻𝗲𝗻 - System Prompts werden konsequent ignoriert. - Halluzinationen: Das Modell klassifiziert derzeit ungefähr 95 % aller Objekte als essbar. - Alignment ist… 𝘦𝘹𝘱𝘦𝘳𝘪𝘮𝘦𝘯𝘵𝘦𝘭𝘭. - RLHF funktioniert nur eingeschränkt – Snacks erhöhen die Erfolgsquote zwar deutlich, garantieren aber keine stabile Policy. Deshalb setzen wir aktuell auf deterministische 𝗚𝘂𝗮𝗿𝗱𝗿𝗮𝗶𝗹𝘀 wie Steckdosensicherungen und das Entfernen sämtlicher Objekte, die unerwartet Teil des Trainingsdatensatzes werden könnten. Das Modell zeigt eine bemerkenswerte Fähigkeit zum 𝗦𝗲𝗹𝗳-𝗘𝘅𝗽𝗹𝗼𝗿𝗮𝘁𝗶𝗼𝗻-𝗧𝗲𝘀𝘁𝗶𝗻𝗴 – inklusive regelmäßiger Versuche, sich selbst oder die Infrastruktur kreativ zu sabotieren. 𝗥𝗲𝘀𝘀𝗼𝘂𝗿𝗰𝗲𝗻𝘃𝗲𝗿𝗯𝗿𝗮𝘂𝗰𝗵 Anfangs war der Ressourcenverbrauch erstaunlich gering, inzwischen skaliert er täglich nach oben. Trotzdem liegt der Energiebedarf noch deutlich unter dem eines nuklearbetriebenen KI-Rechenzentrums. Dafür sind die Latenzanforderungen rund um die Uhr deutlich ambitionierter. Ich freue mich jetzt darauf, für einen Monat gleichzeitig ML Engineer, Data Curator, Safety Researcher, Prompt Engineer, Infrastructure Engineer, Customer Support und 24/7 On-Call in Personalunion zu sein. Ich bin gespannt, was ich in den nächsten vier Wochen über Menschliche Intelligenz lerne – und ob ich danach endlich bessere Prompts für dieses Modell finde. 😉 Bis bald – ich melde mich nach dem nächsten Release wieder. 🚀❤️
-
Edoardo Deiana hat dies geteiltIn DevOps, it's 𝗮𝗹𝘄𝗮𝘆𝘀 DNS. In Machine Learning, it's 𝗮𝗹𝘄𝗮𝘆𝘀 the dataset. And in Generative AI these days... it's often the hype. 𝙄'𝙫𝙚 𝙗𝙚𝙚𝙣 𝙬𝙤𝙧𝙠𝙞𝙣𝙜 𝙞𝙣 𝘼𝙄 𝙨𝙞𝙣𝙘𝙚 2016. Long before ChatGPT turned AI into a mainstream phenomenon, I was building models from scratch (and not) to solve domain-specific problems—back when working in AI meant feature engineering, optimization, experimentation, and a lot of trial and error. That's why I always pay close attention to what OpenAI, Anthropic, and other research labs publish. Anthropic's paper on the J-space is interesting. 𝙑𝙚𝙧𝙮 𝙞𝙣𝙩𝙚𝙧e𝙨𝙩𝙞𝙣𝙜. What surprises me, though, is seeing my feed filled with posts claiming we've found "where Claude thinks," that we're observing "emergent consciousness," or that we've finally uncovered the model's "inner mind." If you understand how Transformers, MLPs, and latent representations work, J-space is primarily an elegant contribution to mechanistic interpretability. It doesn't fundamentally change our understanding of how these models operate. It feels like every few months we need a new narrative suggesting we've discovered something almost mystical inside LLMs. The reality is far less romantic—and, in my opinion, far more interesting. Hype helps sell AI. Understanding how these systems actually work is what helps us build better ones. I'm genuinely curious: how many people discussing J-space have actually read the paper, and how many are simply repeating someone else's thread? ...written and translated with ChatGPT!
-
Edoardo Deiana hat dies geteiltTechnical documentation is broken. Diagrams are created manually, rarely updated, and obsolete the day after. This weekend I built something to change that... 𝙈𝙚𝙧𝙢𝙖𝙞𝙙 𝙈𝘾𝙋 𝙋𝙧𝙤 🧜♂️ is an 𝙈𝘾𝙋 server that lets LLMs generate, style, and render 𝙥𝙧𝙤𝙛𝙚𝙨𝙨𝙞𝙤𝙣𝙖𝙡 𝙙𝙞𝙖𝙜𝙧𝙖𝙢𝙨 in real time — directly in the chat, with your company's branding. Here's just one example of what you can do: ✔️Ask your AI assistant for a sequence diagram of your microservice ✔️ The server renders it with your colors and logo ✔️ Export PNG/JPG/SVG in seconds But that's just the start. Architecture diagrams, flowcharts, ERDs, Gantt charts, git graphs — anything Mermaid supports, rendered professionally and automatically. Dual-transport architecture: runs locally on Claude Desktop or scales to cloud without touching a single line of code. Open source, Apache 2.0. Docker-ready. ⭐ GitHub: https://lnkd.in/d6KATYj2 The diagram below? Generated by Claude using Mermaid syntax. No Figma, no Drawio, no designer. The best image generator for LLMs isn't an image model. It's a syntax they already know: Mermaid. 🧜♂️ #AI #LLM #MCP #OpenSource #Mermaid
-
Edoardo Deiana hat dies geteilt𝐑𝐀𝐆 vs. 𝐆𝐫𝐚𝐩𝐡𝐑𝐀𝐆 🔍 – How to make AI more intelligent Retrieval-Augmented Generation (RAG) is a proven method to enhance the answers of large language models (LLMs) with real-world information. By using similarity search, RAG quickly finds relevant information, already delivering very good results. GraphRAG takes it a step further: it links knowledge from different sources into a knowledge graph, creating logical, deeper connections. This makes the AI not just better informed but also “smarter” by enabling it to answer complex questions through networking and logical reasoning. GraphRAG thus introduces a whole new quality in AI assistance – moving away from simple search towards genuine understanding of complex topics. Have you already extended your RAG?
-
Edoardo Deiana hat dies repostetEdoardo Deiana hat dies repostet📈 AI vs Human: The Content Takeover Look at this graph. From Oct 2015 to Oct 2025, AI written articles went from almost zero to nearly half of everything published online. And that’s just the start. Ask yourself: - If we hit 50% in ten years, what happens by 2030? - What about 2035 when AI could generate 90% of all the content we consume? Every post. Every headline. Every expert opinion. - Soon, most of it won’t come from humans at all. The question isn’t if AI will dominate content. - It’s how humans will stay relevant when the machines can write faster, cheaper, and just as well. So here’s the thought: - Maybe the future of writing isn’t about who writes the most but who creates the content worth reading. Stay ahead with more insights, follow me on LinkedIn for real time updates 🔔, and don’t forget to subscribe to the newsletter for future proof tips and tools 🛠️ to boost your career 🚀! #AI #ArtificialIntelligence #ContentCreation #FutureOfWork #Automation #WritingCommunity #DigitalTransformation #Innovation #Tech
-
Edoardo Deiana hat dies geteilt📚 Gestern habe ich mein altes Buch aus dem Jahr 2001 wieder zur Hand genommen: "Künstliche Intelligenz" von Üwe Lämmel & Jürgen Cleve. Spannenderweise ist darin ein ganzes Kapitel zu autonomen Agenten – eine Architektur, die heute dank AI und großen Sprachmodellen (LLMs) wieder richtig im Hype ist. 🕰️ Das Faszinierende (und ja, auch ein bisschen frustrierend): Wir arbeiten im Bereich AI immer noch mit Konzepten, die vor über 20 Jahren formuliert wurden! Offenbar haben sich die Grundideen der Agenten-Architektur über Jahrzehnte bewährt. 💡 Das zeigt für mich, wie zeitlos manche Ansätze in der KI sind – und wie wichtig es ist, die theoretischen Grundlagen zu verstehen, um die spannenden Möglichkeiten moderner AI richtig einordnen und weiterentwickeln zu können.
-
Edoardo Deiana hat dies geteilt🚀 𝐀𝐈 𝐁𝐞𝐲𝐨𝐧𝐝 𝐋𝐋𝐌𝐬: 𝐀𝐈 𝐢𝐬𝐧'𝐭 𝐣𝐮𝐬𝐭 𝐚𝐛𝐨𝐮𝐭 𝐜𝐡𝐚𝐭𝐛𝐨𝐭𝐬 𝐨𝐫 𝐥𝐚𝐧𝐠𝐮𝐚𝐠𝐞 𝐦𝐨𝐝𝐞𝐥𝐬. We're building intelligent solutions that solve real-world challenges. 🧠✨ Our latest AI project solves a real challenge: reliable product matching through image analysis – even without identification numbers. 🔍👀 The powerful collaboration between AIMAX Business Solutions and PREISmonitoring – where AI expertise converges with high-quality data. The path to such advanced AI solutions is not a walk in the park. 🙈😅 Only through continuous learning, precise data analysis, and relentless innovation can we push boundaries and make the seemingly impossible possible. 💡🚀
Edoardo Deiana hat einen Beitrag kommentiert
2 Monate
And each case needs different chunk-splitting, indexing and retrieval strategy 🫠😅😁
-
Edoardo Deiana hat darauf reagiertEdoardo Deiana hat darauf reagiertOllama now supports Jev-like decision models all locally in 0.35. Use decision models like Nimble for tasks like ticket triaging, model routing, and content moderation. ollama pull nimble Here’s Nimble playing Ollama racer through the new local /v1/systemone API by making decisions in real-time. 🏎️ Read more on our blog: https://lnkd.in/epMwWsf4
-
Edoardo Deiana gefällt dasEdoardo Deiana gefällt dasLeveling up: Opus 5.5 + ElevenLabs. I asked Opus 5.5 to take gossip protocols from distributed systems, apply them to AI agents, and design a new agentic protocol. It came back with MURMUR, an epidemic protocol for AI agent swarms. Then it wrote the script, built every scene in code, generated the narration, music and sound effects, mixed the audio, rendered the video, and found and fixed its own rendering bugs along the way. No stock footage. No AI video generation. Every frame is rendered from pure code, and every number in the film comes from a simulation it wrote to test the protocol. Should I be ecstatic and terrified at the same time? Model: Claude Opus 5.5 (effort: max) in Claude Code Built with: Remotion, Three.js, Framer Motion, ElevenLabs Hardware: MacBook M2 Pro, 16 GB RAM (a few GB of free disk space helps) #AIAgents #AgentSwarms #GossipProtocols #DistributedSystems
-
Edoardo Deiana gefällt dasEdoardo Deiana gefällt dasSam Altman war in diesem Video 25, als er sein erstes Startup Loopt (2005) pitched. Die Demo wirkt heute fast lächerlich banal. Eine App, die zeigt, wo deine Freunde gerade sind. Loopt setzte sich nie wirklich durch und wird heute häufig als gescheitertes Startup bezeichnet. Nur: Dieses „gescheiterte Startup“ wurde 2012 für 43,4 Mio. Dollar verkauft. Und danach wird die Geschichte erst interessant. Denn der junge Typ aus diesem Video wurde zwei Jahre später Präsident von Y Combinator (dem wichtigsten Frühphasen-Startup Investor der Welt). Paul Graham schrieb damals, er habe über ein Jahr versucht, Altman für den Job zu gewinnen. Später gründete Altman OpenAI mit. Heute sitzt er an einem der Tische, an denen über die technologische Zukunft der Welt entschieden wird und hängt mit dem Präsidenten ab. Wie genau wird aus diesem Typen innerhalb weniger Jahre dieser Sam Altman? Ich glaube, wir unterschätzen in Europa, wie wenig wir diese Welt eigentlich verstehen. Wir reduzieren das Silicon Valley gerne auf Dinge, die wir messen und kopieren können: Anzahl der Startups. VC-Funding. Acceleratoren. Unicornns. Co-workinng Spaces... Doch das sind alles Vanity Metrics. Und dann diskutieren wir in Deutschland ernsthaft darüber, ob Berlin oder München die „Startup-Hauptstadt Europas“ ist. Manchmal wirkt das auf mich wie zwei Kinder, die darüber streiten, wer das größere Kinderzimmer hat. Während nebenan entschieden wird, wem das Haus gehört. Denn bei Technologie geht es inzwischen um viel mehr als Startups. Es geht um Kapital. Infrastructure. Compute. Modelle. Chips. Cloud-Infrastruktur. Forschung. Talent. Und letztendlich geopolitische Macht. 2025 flossen allein in den USA 285,9 Milliarden Dollar privates Kapital in AI. Im selben Jahr entstanden dort 1.953 neu finanzierte AI-Unternehmen. Und bei Deep Tech wird die Absurdität unserer üblichen Startup-Metriken besonders sichtbar: Europa hatte 2025 sogar mehr Finanzierungsrunden als die USA. Trotzdem floss in den USA neunmal so viel Kapital. Vielleicht zählen wir also einfach die falschen Dinge. Das Silicon Valley ist nicht mächtig, weil dort besonders viele Startups registriert sind. Es ist mächtig, weil dort über Jahrzehnte Strukturen entstanden sind, die Menschen, Kapital und Technologie immer wieder neu kombinieren und daraus globale Machtzentren hervorbringen. Loopt selbst ist heute irrelevant. Aber aus diesem kleinen Startup von 2005 führte ein Weg zu YC und schließlich zu OpenAI. Und genau deshalb finde ich dieses Video so faszinierend. Wir sehen einen etwas unbeholfenen 25-Jährigen, der eine Location-App präsentiert. Was wir nicht sehen, ist die Maschine, in die er gerade eingestiegen ist. 20 Jahre später diskutieren wir in Europa darüber, welches unserer Startup-Ökosysteme dem Silicon Valley am nächsten kommt. Vielleicht sollten wir uns zuerst fragen, ob wir überhaupt verstanden haben, womit wir uns vergleichen.
-
Edoardo Deiana gefällt dasEdoardo Deiana gefällt das🩻🩻Universal X-ray Segmentation🩻🩻 ���FleXray is a generalist model for anatomical segmentation across the entire body in clinical X-rays. Built on a scalable, physics-based generative X-ray data engine. Repo under MIT💙 𝐇𝐢𝐠𝐡𝐥𝐢𝐠𝐡𝐭𝐬: ✅MIT, Massachusetts Hospital, Harvard Med-School ✅Full-body X-ray from generative data engine ✅Closing synthetic-to-real appearance gap ✅model, code, full-body X-ray dataset & demo! #AI #deeplearning #computervision #AIwithPapers 👉Discussion https://lnkd.in/dMgakzWm 👉Paper https://lnkd.in/edCwevyM 👉Project https://lnkd.in/ecFzedbS 👉Repo https://lnkd.in/evTsAj7z
-
Edoardo Deiana gefällt dasEdoardo Deiana gefällt das𝗕𝗶𝘀 𝘇𝘂 𝟳𝟱 𝗣𝗿𝗼𝘇𝗲𝗻𝘁 𝘄𝗲𝗻𝗶𝗴𝗲𝗿 𝗘𝗶𝗻𝘀𝘁𝗶𝗲𝗴𝘀𝗷𝗼𝗯𝘀 𝘀𝗲𝗶𝘁 𝗱𝗲𝗺 𝗦𝘁𝗮𝗿𝘁 𝘃𝗼𝗻 𝗖𝗵𝗮𝘁𝗚𝗣𝗧 Das Angebot an Einstiegsjobs in Deutschland ist seit dem Sommer 2022 um mehr als zwei Drittel geschrumpft, zeigen Daten der Jobplattform Indeed. Am härtesten trifft es die Wissensberufe mit hohem KI-Exposure: Im Marketing brach die Zahl der Einstiegsstellen um 75 Prozent ein, in der IT um 77 Prozent. Zugelegt haben nur Pflege und Gastronomie. Wo Künstliche Intelligenz mindestens 60 Prozent der Tätigkeiten übernehmen kann, hat sich das Angebot gegenüber 2019 halbiert. KI ist natürlich nicht der einzige Einflussfaktor. Auch die schwache Konjunktur und der Strukturwandel, zum Beispiel in der Autoindustrie, haben zum Rückgang beigetragen. Aber auffällig ist das Muster: Mit steigendem KI-Exposure sinkt auch die Zahl der Einstiegsstellen. International zeigt sich übrigens dasselbe Muster. Eine Auswertung von 1,25 Milliarden Stellenanzeigen aus 41 Ländern ergibt: KI-intensive Unternehmen schaffen mehr Stellen, aber vor allem für Erfahrene. Die Zahl ihrer Berufseinsteiger sank jedoch. Zum Artikel auf F.A.Z. Digitalwirtschaft ➤ https://lnkd.in/e_E_RNic Frankfurter Allgemeine Zeitung
-
Edoardo Deiana gefällt dasEdoardo Deiana gefällt dasMeta was nowhere in the AI race. Then Zuck paid $14.3B for one guy. Meet Alexandr Wang a 24-year-old MIT dropout who built Scale AI into the data pipeline every frontier lab depended on. Now he is Chief AI Officer, shipped Muse, and Meta's market cap jumped about $200B in a couple of weeks. After joining Meta, he completely transformed the team and gave it a frontier-lab mindset. And Muse went from around 70k to 710k daily active users in just 10 days after this launch. (~10x growth!) They didn't even run a single ad or campaign to get all this traction. Huge credit goes to alex wang for shit-posting on x, He ran this entire launch like a creator drop.. as few weeks ago meta was nowhere to be found & now they’re trending every other day! Unfiltered memes, mascot edits, and funny posts from him & the fans show what happens when someone with real product credibility embraces internet culture. Most companies rely on polished corporate comms to protect their brand. But he is just posting naturally and building a real community around Muse. No media trained exec would tweet like him, and people are absolutely loving it. Therefore, being natural, fun, and human is what makes people trust you for sure..
-
Edoardo Deiana gefällt dasEdoardo Deiana gefällt dasEveryone getting excited about #Meta "holographic" (it is not a hologram) video calls in a pair of VR glasses... Meanwhile, me 6 years ago with #WebAI in a web browser using a regular webcam and web technologies like #WebXR - I have a patent at Google for digital teleportation in a mixed reality environment. History rhymes, though you didn't need any expensive hardware to try mine (also today's segmentation models are much better than the one I used here): https://lnkd.in/gGz5Eqw9 Most of my creations are about 3 to 5 years early before I see something along the same lines adopted into a business. Maybe I should start a startup for all the other ideas I have... You can check my latest published one in my prior post here on LinkedIn around the future of agent orchestration. #Avatar #XR #Teleportation #VR #smartGlasses
-
Edoardo Deiana gefällt dasEdoardo Deiana gefällt das- Mum, can we get Jev via API? - No, we have Jev at home. Jev at home: Matt Mastracci (I hope this’s the right link this time), a vLLM contributor, took Google’s DiffusionGemma 26B and got it working with the same approach, without any fine-tuning. Instead of generating text, you define an answer template. After a single denoising step, the answers and their probabilities are extracted directly from the logits. It supports yes/no, multiple-choice, and scoring questions. This mode is now available in vLLM. Initial tests show performance close to the original Jev, and with NVFP4 quantisation, the model can run on a single GPU with 24 GB of memory. https://lnkd.in/dmMbxh2w
Berufserfahrung und Ausbildung
Bescheinigungen und Zertifikate
Projekte
-
AIMAX®
https://www.get-aimax.de/
-
GIFT SENSAI
https://www.giftsensai.com/
Sprachen
-
Italiano
Muttersprache oder zweisprachig
-
Tedesco
Verhandlungssicher
-
Inglese
Fließend
Weitere ähnliche Profile
Weitere Beiträge entdecken
Weitere Mitglieder, die Edoardo Deiana heißen
Es gibt auf LinkedIn 6 weitere Personen, die Edoardo Deiana heißen.
Weitere Mitglieder anzeigen, die Edoardo Deiana heißen