Acerca de Edwin Chen
Edwin Chen es el cofundador y CEO de Surge AI, la empresa de datos que proporciona datos de entrenamiento a cada laboratorio de IA fronterizo. La empresa alcanzó ingresos de $1B+ en menos de 4 años con ~70 empleados, completamente bootstrapped y rentable desde el día uno.
Hitos de Carrera
- Surge AI (2020-presente): Cofundador y CEO
- Ingresos $1B+: Menos de 4 años, ~70 empleados
- Bootstrapped: Sin financiamiento VC, rentable desde el día uno
- Clientes: Cada laboratorio de IA fronterizo usa Surge para datos de entrenamiento
- Quora/Twitter: Ex ingeniero de ML
Posiciones Notables
Sobre Por Qué Claude es Mejor
Gusto en datos, no volumen:
“Why is Claude better at coding and writing? It’s not more data - it’s taste in what data to collect. Are you optimizing for front-end vs backend? Visual design vs efficiency? Chasing PR benchmarks or real-world performance? There’s an art to post-training that requires sophisticated judgment.”
“¿Por qué Claude es mejor en codificación y escritura? No son más datos - es gusto en qué datos recolectar. ¿Estás optimizando para front-end vs backend? ¿Diseño visual vs eficiencia? ¿Persiguiendo benchmarks de PR o rendimiento del mundo real? Hay un arte en el post-entrenamiento que requiere juicio sofisticado.”
Sobre Problemas de Benchmarks
Una crítica brutal de LM Arena:
“LM Arena benchmarks are literally optimizing your models for the type of people who buy tabloids at supermarkets. Users glance for 2 seconds and pick whatever looks ‘flashiest’ - more emojis, more bold text, longer responses. Models can hallucinate everything but still win if they look impressive.”
“Los benchmarks de LM Arena están literalmente optimizando tus modelos para el tipo de personas que compran tabloides en supermercados. Los usuarios miran por 2 segundos y eligen lo que se ve más ‘llamativo’ - más emojis, más texto en negrita, respuestas más largas. Los modelos pueden alucinar todo pero aún ganar si se ven impresionantes.”
Sobre el Problema Más Profundo
“We’re teaching AI to chase dopamine instead of truth. The same engagement optimization that broke social media is now being applied to AI training. Labs know it’s bad but optimize for it anyway because sales teams need PR.”
“Estamos enseñando a la IA a perseguir dopamina en lugar de verdad. La misma optimización de engagement que rompió las redes sociales ahora se está aplicando al entrenamiento de IA. Los laboratorios saben que es malo pero optimizan para ello de todos modos porque los equipos de ventas necesitan PR.”
Sobre Calidad vs Casillas de Verificación
“Good data isn’t checkboxes - it’s ‘Nobel-prize level poetry’ vs ‘high school level that follows instructions.’ Some labs mechanically check instruction boxes; others understand the implicit, subtle qualities that make outputs actually good.”
“Los buenos datos no son casillas de verificación - es ‘poesía nivel Premio Nobel’ vs ‘nivel secundaria que sigue instrucciones.’ Algunos laboratorios mecánicamente marcan casillas de instrucciones; otros entienden las cualidades implícitas y sutiles que hacen que las salidas sean realmente buenas.”
Citas Clave
- “Gusto en datos, no volumen.”
- “Optimizando para compradores de tabloides.”
- “Enseñando a la IA a perseguir dopamina.”
Lectura Relacionada
- Scaling Laws - Lo que los datos de Surge permiten
- Dario Amodei - CEO de Anthropic, cliente de Surge
Video Mentions
Por qué Claude es mejor
¿Por qué Claude es mejor en codificación y escritura? No son más datos - es gusto en qué datos recolectar. ¿Estás optimizando para front-end vs backend? ¿Diseño visual vs eficiencia? ¿Persiguiendo benchmarks de PR o rendimiento del mundo real?
Crítica de benchmarks
Los benchmarks de LM Arena están literalmente optimizando tus modelos para el tipo de personas que compran tabloides en supermercados. Los usuarios miran por 2 segundos y eligen lo que se ve más 'llamativo' - más emojis, más texto en negrita, respuestas más largas.
Dopamina vs verdad
Estamos enseñando a la IA a perseguir dopamina en lugar de verdad. La misma optimización de engagement que rompió las redes sociales ahora se está aplicando al entrenamiento de IA.