筛选结果
10 篇排序
1:47:38EN → 简体中文
Cognitive Revolution "How AI Changes Everything"· 2026年7月4日播客19 个神经元就能开车，Liquid AI 想把基础模型装进每一块芯片主持 Nathan LabenzRamin Hasani 从线虫只有 300 个细胞的大脑讲起，一直讲到将在梅赛德斯-奔驰汽车里开口说话的 600 兆字节模型，并解释为什么如今的架构搜索，已经胜过那些凭经验拍板的“架构复仇者”。
1:39:05EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2025年10月29日播客GPT-5 让人失望的那个夏天，并不意味着 AI 进展已经停滞主持 Nathan LabenzNathan Labenz 在对 Erik Torenberg 的谈话中说，GPT-5 的口碑反弹把产品失误、命名混乱和能力上的真实跃升混为一谈。
2:40:58EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2024年11月16日播客Zvi Mowshowitz 仍把末日概率（P(doom)）定在 60%，并称不更新判断就是自欺主持 Nathan Labenz与《Don't Worry About the Vase》作者的半年回顾，涵盖 Ilya 的 SSI、OpenAI 的 o1、Claude 的电脑操作功能、SB 1047 法案被否决，以及特朗普重返白宫。
1:18:32EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2024年9月20日播客一个能分辨哪些基因碰不得的 DNA 模型主持 Nathan Labenz斯坦福大学的 Brian Hie 讲解混合架构、一个只用 DNA 训练的基因组尺度语言模型，以及一种结合紧密程度比天然抗体高 25 倍的抗体。
1:23:57EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2024年9月4日播客一次训练就是一台粒子对撞机，而与中国的竞争则是一场五十年的赛跑主持 Nathan LabenzSamo Burja 与 Nathan Labenz 聊了为什么 ChatGPT 的爆红可能拖慢了 AI 科学，以及为什么华盛顿应把北京视为经济对手，而非军事对手。
1:01:55EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2024年6月1日播客每小时 9 美元的 AI 护士、86 分的医学考试成绩，以及 10% 的灭绝线主持 Nathan LabenzNathan Labenz 独自做的这份“侦察报告”，从医疗领域的最新进展讲起，接着讲模型究竟如何学习，再到当前的主要玩家、缩放趋势，以及一份至今还不存在的控制方案。
1:01:39EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2024年4月13日播客GPT-5 需要 100 万亿个 Token，地球够用吗？主持 Nathan Labenz训练 GPT-3 用了约 1 万亿个 Token，GPT-4 用了约 10 万亿个。下一步跃升，数据问题和算力问题同样重要。
1:19:52EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2023年10月18日播客1,000 块 H100 要 115 天，22,000 块只要五天主持 Nathan LabenzNathan Labenz 和 Trey Kollmer 讲解了集群算力的估算方法：如何把 GPT-4 规模的训练变成每周一次的实验；随后是四篇论文，涉及搜索增强型模型、递归式代码改进器、Llama 2 内部的空间地图，以及网络在完全不知道答案时的表现。
1:33:56EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2023年7月6日播客AI 侦察报告：90 分钟从 GPT-4 的考试成绩讲到模型是否真的理解主持 Nathan LabenzNathan Labenz 独自主持一期节目，梳理通用模型能做什么、怎样训练、能力如何被解锁，以及它们究竟理不理解任何东西。
1:32:22EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2023年6月29日播客一百万字节与 256 个符号：Meta 的 MEGABYTE 想扔掉分词器主持 Nathan LabenzMeta AI 的 Lili Yu 讲解一种多尺度 Transformer：它能预测百万字节的序列，不做分词，目标是把任何文件都当作原始字节来建模。