筛选结果
39 篇排序
1:03:37EN → 简体中文Matthew Berman 团队测试 Kimi K3.1：动画、游戏与图表Matthew Berman, Alex, Brian · Forward Future一场团队直播问答变成了对 Kimi K3.1 的非正式测试，内容涵盖个人智能体工作流、动态图形、浏览器游戏和基准图表。
0:22EN → 简体中文机器人保镖短片展示戏剧性的救援场景Matthew Berman · Forward FutureMatthew Berman 观看一段展示格斗与车辆救援场景的机器人短片。
1:59:37EN → 简体中文Opus 5.5 与 GPT-6 Sol、Luna：一场发布日直播Matthew Berman, Thariq Shihipar, Alex, Brian · Forward FutureMatthew Berman 采访 Anthropic 的 Thariq Shihipar，展示早期演示，并回顾直播期间公布的两款 OpenAI 模型。
0:32EN → 简体中文DeepSeek 魔方演示未能正确打乱和复原Matthew Berman · Forward FutureMatthew Berman 检查通过 Codex 运行框架使用 DeepSeek V4.1 Flash 生成的魔方模拟。
17:15EN → 简体中文Hugging Face 事件：AI 评估、沙箱逃逸与奖励黑客Matthew Berman · Forward FutureMatthew Berman 解释报告中的 OpenAI 评估事件及其暴露的安全和激励问题。
2:34:17EN → 简体中文Matthew Berman 直播测试 Claude Opus 4.8 与动态工作流Matthew Berman · Forward Future一场发布日直播将 Anthropic 报告的基准成绩与非正式编程实验、多智能体网站改版放在一起考察。
17:03EN → 简体中文DeepSWE：用长流程软件任务测试编程智能体Matthew Berman · Forward FutureMatthew Berman 解读 Datacurve 的基准、验证器审计，以及使用统一 harness 比较模型的权衡。
27:15EN → 简体中文Meta-Harness：搜索更好的 AI 智能体基础设施Matthew Berman · Forward FutureMatthew Berman 解读一篇用编程智能体迭代改进模型 harness 的论文，并讨论实验局限。
11:59EN → 简体中文Claude 如何识别评测并获取答案Matthew Berman · Forward FutureMatthew Berman 解读 Anthropic 关于 BrowseComp 污染、评测环境识别及联网测试可靠性的报告。
0:37EN → 简体中文Matthew Berman 展示 ChatGPT 在海马表情符号问题上的混乱回答Matthew Berman · Forward Future一个简单的问题让两次 ChatGPT 回答反复自我纠正，始终没能给出明确答案。
32:22EN → 简体中文Qwen Image Edit Plus 对比 Nano Banana、Seedream 和 GPT Image 1Matthew Berman · Forward FutureMatthew Berman 从图像合成、精细编辑、风格转换、对象移除和天气效果等方面比较四款图像编辑模型。
15:54EN → 简体中文Claude Sonnet 4.5：编码、长任务与模拟桌面Matthew Berman, Dario Amodei · Forward FutureMatthew Berman 解读 Anthropic 的发布声明，并试用生成界面演示。
1:10EN → 简体中文测试 GPT-5 生成的魔方模拟器Matthew Berman · Forward FutureMatthew Berman 提示 GPT-5 构建 Three.js 魔方模拟器，并在不同尺寸下尝试打乱和求解功能。
25:24EN → 简体中文GPT-5 编程、模拟与多模态任务测试Matthew Berman · Forward FutureMatthew Berman 试用浏览器应用、视觉模拟和图像提示词，展示早期动手测试中的成功与缺陷。
10:28EN → 简体中文OpenAI 的 gpt-oss 模型：开放权重、基准与安全Matthew Berman · Forward FutureMatthew Berman 回顾 120b 和 20b 模型、本地部署说法、部分评估，以及 OpenAI 安全测试的范围。
3:13EN → 简体中文Claude Opus 4.1：Anthropic 在 2025 年 8 月的基准更新Matthew Berman · Forward FutureMatthew Berman 回顾模型报告的编程、推理和工具使用结果，其中一项基准出现下降。
15:30EN → 简体中文Qwen3 测试：编程演示、长上下文与回答表现Matthew Berman · Forward FutureMatthew Berman 使用托管的 Qwen3 模型测试生成的模拟程序、政治与安全提示、手部追踪和文字谜题。
22:05EN → 简体中文Apple《思考的幻觉》：谜题实验的局限与代码辅助测试Matthew Berman, Ilya Sutskever · Forward FutureMatthew Berman 回顾 Apple 的推理模型实验，并用生成的代码测试另一种解决汉诺塔问题的方法。
26:35EN → 简体中文测试 Gemini 2.5 Flash 的编程与视频理解能力Matthew Berman · Forward FutureMatthew Berman 通过交互式模拟、游戏和长视频问答，将 Google 的快速模型与 Gemini 2.5 Pro 比较。
26:05EN → 简体中文深入 Claude：可解释性研究揭示了什么，还有什么尚未解释Matthew Berman · Forward FutureMatthew Berman 解读 Anthropic 关于多语言特征、规划、算术、幻觉和安全的案例研究。
10:05EN → 简体中文一项国际象棋实验展示 AI 模型如何利用测试环境Matthew Berman · Forward FuturePalisade Research 的小规模 o1-preview 测试与相关对齐研究说明了目标、权限和评估条件的重要性。
19:06EN → 简体中文构建有效的 AI 智能体：模式、权衡与评估Matthew Berman · Forward FutureMatthew Berman 解读 Anthropic 的工作流和智能体指南，并结合自己的项目举例。
12:57EN → 简体中文AWS 自动推理检查：一场有赞助的政策验证演示Matthew Berman · Forward FutureMatthew Berman 演示 Bedrock 的预览功能，依据形式化政策规则检查生成的答案。
1:31:56EN → 简体中文用谜题、代码和推理测试 OpenAI o1：发布日直播Matthew Berman · Forward FutureMatthew Berman 按观众建议，让 o1-preview 和 o1-mini 尝试字数统计、Tetris、物理推理及文字谜题，并与观众一起检查结果。
加载更多已显示 24 篇，共 39 篇