筛选结果
19 篇排序
55:19EN → 简体中文人类点击数据是个 bug:为智能体的网络重建搜索前 Twitter CEO、Parallel Web Systems 创始人 Parag Agrawal 认为,智能体查询网络的次数将是人类的一千倍,搜索基础设施和依赖广告的互联网,都必须为这位新客户重新打造。
53:44EN → 简体中文当今模型最大的毛病:权重从不更新图灵奖得主 Rich Sutton 与 Khurram Javed 创办 Oak Lab,要造出上线后仍能持续学习(continual learning)的智能体(Agent)。他们认为,合成数据是一个大错误。
48:55EN → 简体中文Anthropic 的开发者平台一年长出三层,token 也有了分工Katelyn Lesse 和 Angela Jiang 在红杉资本(Sequoia Capital)的《Training Data》播客中讲述,Anthropic 如何从无状态的 Messages API,走到知识、执行和协调三层,同时并不打算自己拥有服务器。
38:45EN → 简体中文从 25 个智能体组成的小镇,到财富 500 强的决策沙盒在斯坦福的一次模拟中,情人节前一天,咖啡馆老板 Isabella 决定办一场派对,而剧情没有任何人编写。
51:09EN → 简体中文按模型一年内会吞掉你的智能体脚手架来做负责谷歌 AI Studio 和 Gemini API 的 Logan Kilpatrick,在红杉资本 Sonya Huang 的访谈中解释:为什么智能体脚手架只是一项只能用 12 个月的资产,为什么编程已经像狭义超级智能,以及为什么谷歌优化的是结果,而不是眼球。
58:27EN → 简体中文就算 AI 没那么聪明,只要不离开实验室,也能在科学上取胜Ginkgo Bioworks 首席执行官 Jason Kelly 向红杉讲述,改变实验科学做法的会是自主实验室,更聪明的模型只是其次。
39:47EN → 简体中文第 14 步的上下文,并不在代码里LangChain 联合创始人 Harrison Chase 谈长时程(long-horizon)智能体为什么终于能用,以及轨迹(trace)、驾驭框架(harness)和初稿式工作流,为什么比脚手架更重要。
35:45EN → 简体中文八个月赚到的,是前六年收入的四倍n8n 的 CEO Jan Oberhauser 向红杉资本讲述了两次押注:一次是把 n8n 做成 AI 智能体(Agent)的构建平台,另一次是删掉线索数这个指标。两步下来,一个工作流工具变成了默认的编排层。
37:37EN → 简体中文十来个人、28 分钟和一台共享桌面ChatGPT Agent 背后的 OpenAI 三人组解释,Deep Research 与 Operator 如何合在一起,变成一台能推理半小时、花钱前还会先问你的虚拟电脑。
41:13EN → 简体中文从 49 次乘法到 48 次:DeepMind 的 AI 改写了一项五十年的数学纪录Pushmeet Kohli 讲述 AlphaEvolve 如何把 Gemini 与评估器结合起来,发明算法、证明旧猜想,并改变哪些科学问题值得去尝试。
38:25EN → 简体中文一千种飞机设计训练不出 AI 工程师前空中客车首席技术官 Paul Eremenko 解释,为什么物理世界的工程至今没有出现编程 AI 那样的转折点,以及 P-1 AI 的智能体(Agent)Archie 打算如何达到那一步。
43:04EN → 简体中文7.5 亿 Excel 用户与 3000 万工程师:Wordware 押注“文字工匠”Filip Kozera 在红杉资本的节目里解释了为什么英语是大语言模型的汇编语言,以及谁能胜出:那些能把品味编码进结构化提示词的人。
32:46EN → 简体中文别画流程图:OpenAI Deep Research 团队谈端到端训练智能体Isa Fulford 和 Josh Tobin 解释了:为什么 Deep Research 是用强化学习、在高难度网页浏览任务上训练出来的,而不是靠人工编写的模型调用图。
52:30EN → 简体中文第 37 手看起来像 bug,大语言模型(LLM)仍需要自己的 AlphaZero 时刻Ioannis Antonoglou 从 AlphaGo 聊到 Reflection AI:谈自我对弈、可靠性,以及为什么算力仍然能买来智能。
1:03:07EN → 简体中文推理能力两年没怎么动,Dust 仍为一位客户省下 8000 小时Dust 联合创始人 Gabriel Hubert 与 Stanislas Polu 谈多模型智能体(Agent)、在产品与市场契合(product-market fit)之前不买 GPU,以及从计算器式工具到随机性工具的跃迁。
49:14EN → 简体中文人形机器人价格从 150 万美元跌到 3 万美元,机器人的 GPT-3 时刻仍是一个动词英伟达的 Jim Fan 向红杉资本讲述了三类数据、一项人形机器人押注,以及一个“系统 1”运动控制模型,如何解锁通用机器人。
1:12:31EN → 简体中文裸模型只能完成 35% 的航班改签,Sierra 的代理能处理 70% 的真实工单Clay Bavor 谈为什么直接把原始大语言模型放在客户面前行不通,以及 AgentOS、监督代理和按结果收费,如何改变这笔账。
1:07:05EN → 简体中文AlphaGo 把学习和搜索结合在一起,语言模型只做到了前一半Reflection AI 的 Misha Laskin 向红杉资本解释,为什么靠提示词驱动的编程智能体(Agent)总卡在十几个百分点,以及缺失的那一块为什么仍然是真值奖励(ground-truth reward)。
49:50EN → 简体中文无约束的智能体(Agent)风靡推特,真正上线的是定制版LangChain 创始人 Harrison Chase 向红杉资本的 Training Data 节目讲清楚:智能体到底是什么,AutoGPT 为何停滞,以及哪些认知架构(cognitive architecture)能真正投入生产。









