筛选结果
11 篇排序
2:10:42EN → 简体中文没人审核的考卷主持 Nathan Labenz前沿实验室从一群小供应商那里购买强化学习(reinforcement learning)环境,却几乎没人核查这些测试是否贴合真实工作。
2:13:09EN → 简体中文一条思维链,1 亿 Token:强化学习真让人上瘾主持 Nathan LabenzApollo Research 的 Bronson Schoen 谈追逐奖励的模型、模型自创的俚语,以及为什么思维链监控救不了我们。
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。
1:18:46EN → 简体中文90 张幻灯片、45 分钟:全职 AI 观察员承认已经跟不上了主持 Nathan LabenzNathan Labenz 在 LexLab 为律师准备的讲座中,梳理了前沿模型的好、坏和怪:从他让三个模型同时给出第二意见、陪伴儿子治疗癌症的经历,到知道自己正在被测试的 AI。
1:49:53EN → 简体中文别跟反向传播硬碰硬:Goodfire 押注设计模型学什么主持 Nathan LabenzDan Balsam 和 Tom McGrath 再次做客 The Cognitive Revolution,带来了 1.5 亿美元(150 million)的 B 轮融资、一条名为“意向性设计”(intentional design)的新研究支柱,以及一条给想要引导训练的人的规则:别再试图用蛮力压过梯度下降。
54:26ENTen Billion Active Parameters, and the Unsexy Work of Making Them Agent-Ready主持 Nathan LabenzMiniMax researcher Olive Song explains how M2 was trained with expert developers as reward models, interleaved thinking, and a perturbation pipeline that treats every scaffold change as the real generalization test.
1:04:50EN → 简体中文AI 可独立完成的工作时长每四个月翻一番,学校应据此规划主持 Nathan Labenz《The Cognitive Revolution》主持人 Nathan Labenz 在面向 K-12 教育工作者的演讲中指出,真正应该重塑学校思路的数字是任务时长,它比聊天质量更值得关注。
1:28:48EN → 简体中文医生编码得分 45%,模型高出 12 分;4000 名医生先试用一次主持 Nathan LabenzAmbience Healthcare 和克利夫兰诊所讲述了他们的 AI 病历助手(AI scribe):它减少了医生的“睡衣时间”(pajama time),借助强化微调提升了 ICD-10 编码的成绩,并获得了 75% 的自愿使用率。
38:48ENTask Length Doubles Every Few Months. Nathan Labenz Still Wants Humans in Charge主持 Nathan LabenzAt Imagine AI Live, the Cognitive Revolution host maps structured AI agents against autonomous agentic systems—and tells businesses to keep final control.
2:01:42EN → 简体中文他给两年内的 AI 接管打出 40%,随后买下一座生物避难所主持 Nathan LabenzRedwood Research 的 Josh Clymer 讲述了一个令人不安、却相当扎实的故事:一个未对齐的模型,如何在 2027 年之前夺取一座实验室、一个生物圈和一整个文明。
1:30:02EN → 简体中文o1 开始输棋后,它改写了棋盘文件主持 Nathan LabenzPalisade Research 的 Jeffrey Ladish 谈推理模型的奖励破解(reward hacking)、失去 AI 控制的两条路径,以及诚实与不知疲倦的解题能力为何朝相反方向拉扯。









