AS🇫🇷

14.6K posts

AS🇫🇷 banner
AS🇫🇷

AS🇫🇷

@asyd_7

Jsuis qu’à 10% 🤲🏼 Ingénieur/Entrepreneur #AI @realmadrid Maybe I’m too good ?

London / Paris Beigetreten Aralık 2019
1.7K Folgt426 Follower
Angehefteter Tweet
AS🇫🇷
AS🇫🇷@asyd_7·
8 ans plus tard ça bouge pas @Zack_Nani
AS🇫🇷 tweet mediaAS🇫🇷 tweet media
Français
0
1
6
5.8K
Tommi Pedruzzi
Tommi Pedruzzi@TommiPedruzzi·
The highest ROI AI business model in 2026 is: - Not an agency - Not building chatbots - Not automation services It’s something almost no one is talking about. But I’ve QUIETLY made $700,000 in the last 11 months doing this. And it compounds every month. • Without showing my face • Without revealing my name • Without any employees to manage All you need: ChatGPT, Claude, and 1 hour a day. I broke down the entire model in a 5+ hour training. With all my AI prompts and workflows. To get it: Like this post Comment “ROI” I’ll DM you the full system for free.
Tommi Pedruzzi tweet media
English
1.2K
89
1.2K
95.3K
AS🇫🇷 retweetet
𝐙𝐨𝐮𝐥𝐢𝐧𝐡𝐨🔱
Il regardait autour de lui pour voir si quelqu'un avait vu ce qu'il venait de voir😂😂😂
Français
9
171
4.1K
116.5K
AS🇫🇷 retweetet
🇨🇷
🇨🇷@PARlSIEN·
L’entrée de Kolo Muani
Français
17
305
5.5K
144.6K
AS🇫🇷 retweetet
Actu Foot
Actu Foot@ActuFoot_·
Ils sont titulaires dans n’importe quel autre sélection hein. 🇫🇷💎
Actu Foot tweet mediaActu Foot tweet media
Français
178
537
16.6K
741.2K
AS🇫🇷 retweetet
cats with jobs 🛠
cats with jobs 🛠@CatWorkers·
The IT specialist has arrived.
English
118
2.7K
30.5K
1.8M
AS🇫🇷 retweetet
Samse🌌
Samse🌌@papa_radji·
T’es en examen et tu te souviens exactement l’image de la reponse, mais t’as pas la version premium de ton cerveau
Français
9
1.4K
23.9K
271.5K
AS🇫🇷
AS🇫🇷@asyd_7·
MBAPPÉ A GAUCHE ENFIN
Français
0
0
0
21
Shruti Codes
Shruti Codes@Shruti_0810·
All Paid Courses (Free for First 4500 People) 𝗣𝗮𝗶𝗱 𝗖𝗼𝘂𝗿𝘀𝗲 𝗙𝗥𝗘𝗘 (PART - 1) 1. Artificial Intelligence 2. Machine Learning 3. Prompt Engineering 4. Claude,Chatgpt,Grok 5. Data Analytics 6. AWS Certified 7. Data Science 8. BIG DATA 9. Python 10. Ethical Hacking (72 Hours only ) To get- 1. Follow me to get DM 2. Like + RT 3. Reply " All "
Shruti Codes tweet media
English
1.5K
832
2.1K
227.8K
AS🇫🇷 retweetet
Idriss J. Aberkane Ph.D x3
Idriss J. Aberkane Ph.D x3@idrissaberkane·
Cette nouvelle est GIGANTESQUE Google avait déjà inventé les Transformers (le T de ChatGPT) qui ont révolutionné l’IA. Ils présentent maintenant TurboQuant : un algorithme de compression qui a le potentiel de diviser par dix les besoins de mémoire des datacenters IA…
Google Research@GoogleResearch

Introducing TurboQuant: Our new compression algorithm that reduces LLM key-value cache memory by at least 6x and delivers up to 8x speedup, all with zero accuracy loss, redefining AI efficiency. Read the blog to learn how it achieves these results: goo.gle/4bsq2qI

Français
42
211
1.7K
212.8K
AS🇫🇷 retweetet
Alok Kumar
Alok Kumar@Alokkumarzz·
Claude FULL COURSE 1 HOUR (Build & Automate Anything)
English
48
1.1K
9.1K
1.2M
AS🇫🇷
AS🇫🇷@asyd_7·
@M_Bgln Supplément toilettes fermé c’est un sketch
Français
1
0
0
20
M 🦄⭐️
M 🦄⭐️@M_Bgln·
On est bloqué sur les rails à cause d’un train de la SNCF qui est arrêté sur les voies I am dying
Français
1
0
1
88
M 🦄⭐️
M 🦄⭐️@M_Bgln·
Quand je pense que je suis en business pour 37€ la SNCF could never vive Trenitalia
Français
1
0
1
116
AS🇫🇷
AS🇫🇷@asyd_7·
@JeanLaurentBer1 Supplément toilettes fermés et le train va t’il redémarrer ?🤣
Français
0
0
0
28
jean-laurent Bernard
jean-laurent Bernard@JeanLaurentBer1·
#SNCF informations minimales dans les TGV sud-est bloqués depuis plus d’une heure après la panne d’une rame entre Paris et Marseille. Retard estimé autour de 90’. La fiabilité de la #SNCF est à ranger dans les livres d’histoire.
Français
2
0
3
193
AS🇫🇷 retweetet
Supersocks
Supersocks@iamsupersocks·
Anthropic explique comment faire bosser Claude en autonomie pendant des heures et le concept clé à retenir s'appelle le "harness". Un harness, c'est l'architecture qui entoure le modèle : les agents, les règles, les boucles de feedback. C'est pas le modèle lui-même, c'est le système qu'on construit autour pour le faire performer. Prithvi Rajasekaran, de l'équipe Labs chez Anthropic, raconte comment le bon harness a permis de débloquer Claude sur deux terrains : le design frontend et le développement d'apps complètes sans humain dans la boucle. Deux problèmes de fond quand un agent code seul sur une tâche longue. Premier problème : il perd le fil. Plus le contexte s'allonge, plus il dérive. Pire, il "sent" qu'il approche de sa limite et commence à bâcler pour en finir. Deuxième problème : il est incapable de se juger honnêtement. Quand tu lui demandes d'évaluer son propre travail, il se met des bonnes notes même quand le résultat est médiocre. La solution : ne jamais laisser un agent se noter lui-même. L'équipe s'inspire des GA (les réseaux adversaires du deep learning) et sépare le boulot en deux rôles distincts. Un agent qui produit, un autre qui évalue. Pour le frontend, l'évaluateur navigue la page en live via Playwright, note le résultat sur quatre critères (qualité visuelle, originalité, rigueur technique, fonctionnalité) et renvoie un retour détaillé. Le générateur reprend sa copie et itère entre 5 et 15 fois. Résultat → des sorties beaucoup plus ambitieuses. Dans un cas marquant, le modèle a spontanément abandonné son approche classique pour réinventer un site de musée néerlandais en expérience spatiale 3D, avec un sol en damier en perspective CSS et une navigation par portes entre les salles. Et pour coder des apps complètes ? L'équipe applique le même principe mais avec trois agents. Le premier est un planificateur : tu lui files une phrase genre "créer un éditeur de jeux vidéo rétro 2D" et il te pond un vrai cahier des charges avec une dizaine de fonctionnalités détaillées. Le deuxième est le développeur : il code l'app fonctionnalité par fonctionnalité. Le troisième est le testeur : il ouvre l'app, clique partout comme un vrai utilisateur, et remonte les bugs concrets au développeur pour correction. Le test grandeur nature est parlant. Avec un agent seul, tu obtiens en 20 minutes un éditeur de jeux où le mode "jouer" est tout simplement cassé. Avec le système à trois agents, au bout de 6 heures de travail autonome, tu obtiens une app complète avec des éditeurs de sprites fonctionnels, des niveaux jouables, et même une intégration IA pour générer du contenu au prompt. C'est plus cher, mais c'est surtout la différence entre un truc qui marche et un truc qui marche pas. Avec Opus 4.6, tout se simplifie. Le modèle tient mieux la route tout seul plus besoin de lui découper le travail en petits morceaux. L'équipe allège l'architecture et teste sur un nouveau défi : "construire un studio de musique dans le navigateur." -> Résultat après environ 4 heures de travail autonome : une vraie station audio avec vue arrangement, table de mixage, et un agent Claude intégré capable de composer un morceau basique de A à Z. Le point à retenir -> l'amélioration des modèles ne rend pas l'ingénierie d'orchestration obsolète. Elle déplace le curseur. Ce qui nécessitait un échafaudage complexe hier devient natif demain. Mais les nouvelles capacités ouvrent des combinaisons multi-agents qu'on n'aurait même pas pu tenter avant. L'espace des possibles ne rétrécit pas, il bouge. Bref à lire attentivement.
Anthropic@AnthropicAI

New on the Anthropic Engineering Blog: How we use a multi-agent harness to push Claude further in frontend design and long-running autonomous software engineering. Read more: anthropic.com/engineering/ha…

Français
22
84
1.2K
262.9K