Top 100 IA · Estados Unidos
Chelsea Finn
Stanford 
- Score
- 7.1270 hoje
- Posição
- 80/198 ↓3
- em 90 dias
- +350+4,8%
Chelsea Finn é Professora Assistente de Ciência da Computação e Engenharia Elétrica na Universidade de Stanford e cofundadora da Physical Intelligence. Ela é especialista em IA, robótica e aprendizado de máquina, frequentemente compartilhando descobertas de pesquisa, benchmarks e aplicações práticas de sistemas robóticos. Seu conteúdo inclui análises detalhadas do desempenho de modelos de IA, tarefas de robótica e recursos educacionais como vídeos de aulas e palestras em workshops.
Dados de 25 de out. de 2026.
Os números brutos · últimos 90 dias
- Visualizações medianas
- 42,8 mil
- por publicação
- Interações medianas
- 435
- por publicação
- Publicações
- 10
- em 90 dias
- Seguidores
- 129,3 mil
- todas as redes pontuadas
O que compõe o score
Percentis 0 – 100 em relação a todos os criadores acompanhados.
- Alcance · 30%86
Média de visualizações por publicação em 90 dias
- Engajamento · 30%70
Média de reações por publicação
- Audiência · 30%75
Seguidores somados, em relação à população
- Regularidade · 10%63
Ritmo de publicação (25 posts / 90 d = 100)
Redes
129,3 mil seguidores somados
| Rede | Seguidores | Score |
|---|---|---|
| X@chelseabfinn | 105,9 mil | 8.277t2 |
| LinkedIn@cbfinn | 23,3 mil | 2.599t9 |
Últimos 30 dias
Os melhores posts de Finn
X · há 13 dias#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…
29,1 mil visualizações582 interações
- X · há 17 dias#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 Finn38,5 mil visualizações398 interações
- X · há 22 dias#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 Finn28,6 mil visualizações344 interações
X · há 5 dias#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 mil visualizações340 interações
- X · anteontem#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 Finn18,2 mil visualizações312 interações
Frente a frente
