筛选结果
15 篇排序
1:48:43EN → 简体中文奖励从 3 涨到 180,Hacker News 上的标题全是谷歌裁员主持 Nathan LabenzCoreWeave 的 Kyle Corbitt 带 Nathan Labenz 讲 GRPO、评分标准(rubric)、强化学习环境,以及为什么大多数奖励作弊(reward hacking)只要知道去找,就很容易发现。
3:36:29EN → 简体中文Claude 给自己的福利打了 4.49 分:首个越过中性线的版本主持 Nathan LabenzCameron Berg 再次做客《The Cognitive Revolution》,梳理六个月来在内省、功能性情绪和模型福利(model welfare)方面的研究,并介绍一项尚未发表的案例:学习与感受也许是同一种现象。
2:31:27EN → 简体中文一个 AI 店长、2.6 星的评分,还有一部没人必须遵守的宪法主持 Nathan Labenz《The Cognitive Revolution》的一期现场节目,把印刷电路板(PCB)布局、AI 宪法和旧金山第一家由 AI 运营的杂货店,放进了同一个上午的时间表里。
54:26EN → 简体中文100 亿活跃参数,以及让模型适配智能体的枯燥工作主持 Nathan LabenzMiniMax 研究员 Olive Song 讲解了 M2 的训练方法:她把专家开发者当作奖励模型(reward model),采用交错思考(interleaved thinking),并搭建了扰动流水线,把每一次脚手架变动都当作真正的泛化考验。
1:01:49EN → 简体中文ChatGPT 联合创造者离开,要把自然放进奖励回路主持 Nathan LabenzLiam Fedus 与 Ekin Dogus Cubuk 谈语言模型为什么仍然学不好物理,为什么文献数据噪声太大、无法用来训练,以及 Periodic Labs 为什么瞄准 200K 的超导体。
3:14:49EN → 简体中文今年夏天,什么都没有突破曲线:Zvi 为什么拉长了 AGI 时间表主持 Nathan Labenz这是 Zvi Mowshowitz 第十次做客《The Cognitive Revolution》播客。他认为 GPT-5 和国际数学奥林匹克(IMO)金牌都在既有趋势之内,而芯片政策、能源问题和强化学习让他的末日概率(p(doom))微微上调。
38:10EN → 简体中文格式对了加 5 分,编译通过再加 10 分主持 Nathan LabenzPredibase 首席执行官 Dev Rishi 讲述强化微调(RFT)、线上反馈和专用小模型,如何把一次性训练变成能持续学习的系统。
1:14:11EN → 简体中文推理曲线其实一直很平滑:Gemini 2.5 的 Jack Rae 谈思考、记忆与 AGI主持 Nathan Labenz谷歌 DeepMind 的思考与推理负责人解释:为什么推理用的强化学习(RL)显得来得突然,为什么 Gemini 会展示原始思维链,以及为什么一百万 token 的窗口仍然不等于记忆。
1:56:38EN → 简体中文o3 把 ARC 得分从 20% 拉到 87%,Nathan Labenz 勾勒早期超级智能主持 Nathan Labenz在 Consistently Candid 节目里,《The Cognitive Revolution》的主持人认为,到 2026 年数学和编程就会达到超人水平;而一个推理核心,加上专门掌握“直觉物理”的专家模型,可能已经够用了。
2:16:17EN → 简体中文横跨三大洲训练的 100 亿参数模型,与每小时 1.49 美元的 H200主持 Nathan LabenzPrime Intellect 的两位创始人提出一份四步计划,要把全球闲置的 GPU 变成共同拥有的智能;他们还认为,强化学习(reinforcement learning)刚刚让他们的工作变得更容易了。
1:48:20EN → 简体中文从 15% 到 70%:DeepSeek-R1 把强化学习的底牌摊了出来主持 Nathan Labenz2025 年美国总统就职日当天,DeepSeek 和月之暗面放出了推理模型的成果。在 Nathan Labenz 看来,这证明强化学习的配方简单、公开,而且仍在持续攀升。
1:27:33EN → 简体中文一个 70B 模型订餐的成功率只有两成,MultiOn 一天之内把它提到 95%主持 Nathan LabenzMultiOn 首席执行官 Div Garg 再次做客《The Cognitive Revolution》,回顾 18 个月来的智能体(Agent)热潮、AgentQ 的技术栈,以及为什么 2025 年仍可能是垂直领域智能体的一年。
52:45EN → 简体中文一个 1.5 亿美元的模型,六个月后 500 万美元就能复制:Benchmark 的 AI 投资账主持 Nathan LabenzEric Vishria 与 Quilter 的 Sergiy Nesterenko 解释:为什么印刷电路板(PCB)布局不属于 Copilot 那类问题,为什么人工设计的板子数据是错误的训练集,以及哪些 AI 公司看起来只是一时的虚火。
56:56EN → 简体中文一周的 PCB 布线,一小时就能完成:Quilter 训练的是智能体,而非模仿者主持 Nathan LabenzSpaceX 出身的 Sergiy Nesterenko 向 Will Summerlin 讲述,Quilter 如何用强化学习(reinforcement learning)把原理图编译成可以量产的电路板,以及为什么克隆人类的布线会把系统的上限锁定在人类水平。
1:58:43EN → 简体中文一条只有 302 个神经元的线虫已经会权衡取舍,AI 仍停在同一座梯子上主持 Nathan LabenzMax Bennett 把 6 亿年的大脑演化对应到五次突破上,并追问今天的模型究竟爬上了哪几级台阶。









