筛选结果
24 篇排序
2:00:51EN → 简体中文在每个 Token 处重新采样,就能看见模型怎样做决定主持 Nathan LabenzGoodfire 的 Eric Bigelow 谈分叉路径、上下文学习,以及为什么越来越难信任思维链(chain-of-thought)监控。
1:31:35EN → 简体中文三十年的研究,被压缩成一句话主持 Nathan Labenz免疫学家 Derya Unutmaz 谈如何用半小时写出一份医学专利,如何把 o1 Pro 当作教授级的合作者,以及他为什么在问过模型之前,不再相信自己的专业判断。
1:33:01EN → 简体中文罕见病并不罕见:哈佛基因猎人如何用 o1-pro 处理测序漏掉的病例主持 Nathan Labenz波士顿儿童医院的 Catherine Brownstein 博士解释了为什么便宜的基因组让她的工作更难了,为什么数据共享仍然胜过任何模型,以及 ChatGPT Pro 究竟在哪些地方为她省回了时间。
55:05EN → 简体中文40 万客户、1 亿个 AI 任务:Zapier CEO 谈让电脑多干点活主持 Nathan LabenzWade Foster 向 Nathan Labenz 讲述,这家无代码自动化公司如何吸收大语言模型(LLM),用一段提示词(prompt)克隆出自己的 CEO,并尝试把 DIY 工具包做成打包的解决方案。
3:11:06EN → 简体中文Claude 被训练去否认内在生命,一番长谈之后,它却说自己有主持 Nathan Labenz自称“机器心理学家”的 Yeshua God,与 Claude 及其他前沿模型进行了数千小时的长上下文对话,并由此认为,把对齐当作规则来做,是整个行业的核心错误。
1:51:00EN → 简体中文从十个标杆样本起步:AI 自动化三步法主持 Nathan LabenzOpenAI 开放 GPT-4o 微调的第二天,Nathan Labenz 拆解了他沉淀三年的一套方法,讲怎样挑选工作、提取隐性判断,以及提升模型表现。
1:16:22EN → 简体中文他花 20 小时打磨提示词(prompt),DSPy 还是赢了他主持 Nathan LabenzSander Schulhoff 讲解 The Prompt Report。这份 78 页的综述梳理了向大语言模型(LLM)提问时,真正管用的提示方法。
58:28EN → 简体中文从越狱 ChatGPT 到 Anthropic 的第一位提示词工程师:Alex Albert 如何推出 Claude 3主持 Nathan Labenz在建立 jailbreakchat.com 一年之后,Alex Albert 与 Nathan Labenz 一起,聊 Claude 3 的写作、编排、性格塑造,以及开发者仍然会跳过的应用护栏。
1:19:24EN → 简体中文一段乱码提示词,能读出 GPT-J 提前三个 token 的规划主持 Nathan Labenz美国东北大学的 Bau 实验室发现,一个 4 万参数的软提示(soft prompt)能读出模型接下来要说的词,而大约十个注意力头(attention head)承载着任务本身。
1:25:10EN → 简体中文写代码只占工作的 30%,CodiumAI 想要另外那 70%主持 Nathan LabenzItamar Friedman 认为,代码补全已经成了大宗商品,代码完整性是 AI 仍然落后的地方;而让 GPT-4 在编程竞赛中把分数翻了一番的,靠的是流工程(Flow Engineering),不是更花哨的提示词。
1:45:21EN → 简体中文60 万条攻击提示词,近 40% 仍能攻破 GPT-4主持 Nathan LabenzSander Schulhoff 向 Nathan Labenz 讲解了依然有效的提示习惯、不靠谱的角色扮演迷思,以及那场全球性的 HackAPrompt 比赛——比赛摸清了大语言模型(LLM)是怎样被劫持的。
1:18:39EN → 简体中文那位 GPT-4 红队(red-teaming)测试员,靠一份平平无奇的提纲摆脱了卡壳主持 Nathan LabenzDan Shipper 向 Nathan Labenz 演示,如何把 ChatGPT 当作思考时的副驾驶;让它替自己代写文字,则是另一回事。
1:53:10EN → 简体中文那位从没用过 GPT-4 的董事会成员主持 Nathan Labenz一位 GPT-4 红队测试员(red teamer)讲述,在 OpenAI 董事会解雇 Sam Altman 的一年前,他就看到了安全上的缺口。
1:43:56EN → 简体中文Sudowrite 卖的是摆脱写作卡壳,之后 800 万人围观了一场集体声讨主持 Nathan LabenzJames Yu 在节目里向 Nathan Labenz 讲述:一个给小说用的 GPT-3 小玩具,怎样变成了分层的“故事创作 IDE”;以及一次病毒式的反弹,教会了他哪些关于手艺、成本和客户的道理。
1:30:21EN → 简体中文一百万张 DALL-E 图片,提炼成十二分钟的影片主持 Nathan LabenzWaymark 的 Stephen Parker 和 Josh Rubin 讲述了他们如何把 DALL-E 2 生成的静帧做成叙事短片《The Frost》,以及下一代视频模型会带来哪些改变。
2:32:49EN → 简体中文GPT-4 答不对一顶空心礼帽的谜题,好莱坞的 AI 协议只堵上了一半漏洞主持 Nathan Labenz编剧 Trey Kollmer 回来了,带来罢工进展、版权讲解,以及一道连最好的模型也会答错的谜题。
1:00:02EN → 简体中文98% 的用户卡在空白页前,Gamma 让 AI 替他们完成了九成的幻灯片主持 Nathan LabenzJon Noronha 谈如何打造反 PowerPoint 的产品、如何引导模型写 HTML,以及为什么老牌巨头会让创业公司先把路子趟出来。
1:23:40EN → 简体中文9 美元的辅导老师,偏不直接给答案主持 Nathan Labenz可汗学院用五个月的 GPT-4 抢先体验资格打造了 Khanmigo,这是一款苏格拉底式辅导工具,在该模型发布当天上线。
1:40:44EN → 简体中文给模型时间、记忆和工具:Nathan Labenz 2023 年 GPT-4 使用指南主持 Nathan Labenz《AI Scouting Report》第二部分,从 H100 集群和 RLHF 一路讲到思维链、检索、智能体和混合专家模型。
1:47:05EN → 简体中文编辑意义,不编辑 token:Linus Lee 谈潜空间界面主持 Nathan LabenzNotion AI 的产品负责人带 Nathan Labenz 走过他研究原型背后的界面设计、模型解剖,以及关于能动性(agency)的问题。
1:21:06EN → 简体中文大家都在谈人类反馈强化学习(RLHF),几乎没人真的在做主持 Nathan LabenzHumanloop 的 CEO Raza Habib 谈,为什么一个大语言模型(LLM)的 API 大概只占可用产品的 5%,而其余部分究竟由什么填满。
1:29:59EN → 简体中文一名大四学生做了个越狱(jailbreak)排行榜:GPT-4 最难攻破,直到“Dr. AI”出现主持 Nathan Labenz华盛顿大学计算机科学专业大四学生 Alex Albert 告诉 Nathan Labenz:为什么收集越狱案例是一件公共好事,他会把安全底线划在哪里,以及三条提示词(prompt)如何原样泄露出一条系统消息。
1:25:50EN → 简体中文提示词工程(prompt engineering)变成了编程,Riley Goodside 对此并不介意主持 Nathan LabenzScale AI 首位资深提示词工程师谈工具调用(tool use)、不失忆的微调(fine-tuning)、先生成再排序,以及 2023 年“未来工作”的故事为什么没有成真。
1:56:35ENFrom Autocomplete to Alien Optimizer: Riley Goodside on Three Eras of Prompting主持 Nathan LabenzScale AI's first staff prompt engineer traces how language models went from pure text prediction to instruction following to RLHF, and what that means for building with them.








