Top 100 KI · Vereinigte Staaten
Chelsea Finn
Stanford 
- Score
- 7.1270 heute
- Rang
- 80/198 ↓3
- in 90 Tagen
- +350+4,8 %
Chelsea Finn ist Assistenzprofessorin für Informatik und Elektrotechnik an der Stanford University und Mitgründerin von Physical Intelligence. Sie spezialisiert sich auf KI, Robotik und maschinelles Lernen und teilt regelmäßig Forschungsergebnisse, Benchmarks und praktische Anwendungen von Robotersystemen. Ihre Inhalte umfassen detaillierte Analysen der Leistung von KI-Modellen, Robotik-Aufgaben sowie Bildungsressourcen wie Vorlesungsvideos und Workshop-Vorträge.
Stand: 25. Okt. 2026.
Die Rohdaten · letzte 90 Tage
- Median-Aufrufe
- 42.776
- pro Beitrag
- Median-Interaktionen
- 435
- pro Beitrag
- Beiträge
- 10
- in 90 Tagen
- Follower
- 129.253
- alle gewerteten Netzwerke
Woraus sich der Score ergibt
Perzentile 0 – 100 im Vergleich zu allen erfassten Creators.
- Reichweite · 30 %86
Ø Aufrufe pro Beitrag über 90 Tage
- Engagement · 30 %70
Ø Reaktionen pro Beitrag
- Publikum · 30 %75
Follower gesamt, im Verhältnis zur Bevölkerung
- Regelmäßigkeit · 10 %63
Posting-Rhythmus (25 Posts / 90 T = 100)
Netzwerke
129.253 Follower insgesamt
| Netzwerk | Follower | Score |
|---|---|---|
| X@chelseabfinn | 105.933 | 8.277t2 |
| LinkedIn@cbfinn | 23.320 | 2.599t9 |
Letzte 30 Tage
Die besten Posts von Finn
X · vor 13 Tagen#1CFChelsea FinnThe Pi API is officially in beta! 🤖 Many people have already been using it to fine-tune π models for their robots -- below are a few We’re hoping to expand testing significantly. Let us know if you are interested! Bl…
29.089 Aufrufe582 Interaktionen
- X · vor 17 Tagen#2
As robots become more reliable, DAgger becomes far less efficient. eg 90% success means the person spends >90% of the time passively watching the robot Key idea: failures come from similar initial states & we c…
CFChelsea Finn38.529 Aufrufe398 Interaktionen
- X · vor 23 Tagen#3
Scientific discovery is one of the most exciting applications of LLMs, but we lack data & evals on the scientific process. ScholarCatalyst captures which prior papers can advance new research on a problem, rather …
CFChelsea Finn28.561 Aufrufe344 Interaktionen
X · vor 5 Tagen#4CFChelsea FinnHow do we scale up the context of LLMs? Agentic search scales to arbitrarily large amounts of info, but can easily miss relevant info. Idea💡: Optimize organization of info for downstream utility. Leads to 30+% gains …
24.041 Aufrufe340 Interaktionen
- X · vorgestern#5
Generative value classifiers are a new parametrization of Q-functions that don't require action conditioning. We think these may combine gracefully with large, pre-trained policies and learn/generalize better from a r…
CFChelsea Finn18.210 Aufrufe312 Interaktionen
Direktvergleich
