筛选结果
128 篇排序
1:01:26EN → 简体中文
Cognitive Revolution "How AI Changes Everything"· 2023年7月25日播客AlexNet 用两块 GPU，GPT-4 用了两万块，短缺还会再来主持 Nathan LabenzRun:ai 首席技术官 Ronen Dar 谈如何让闲置的加速卡重新用起来，为什么 H100 按每次实验计算反而更便宜，以及 Llama 2 为何削弱了算力管制（compute governance）的说服力。
5:53EN → 简体中文
Matthew Berman· 2023年7月18日Petals：将大语言模型推理分布到多台设备Matthew Berman · Forward Future2023 年，Matthew Berman 介绍 Petals 如何通过参与计算机组成的网络使用大模型，而无需在一台设备上加载所有模型层。
9:33EN → 简体中文Matthew Berman· 2023年6月30日测试 SDXL 0.9：图像质量、Clipdrop 与 Midjourney 对比Matthew Berman · Forward Future2023 年 6 月，Matthew Berman 试用 Stability AI 的图像模型，将部分提示词的结果与 Midjourney 比较，并演示 Clipdrop 的光照工具。
7:21EN → 简体中文Matthew Berman· 2023年6月26日测试 Orca Mini 13B：受 Orca 启发的非官方模型Matthew Berman · Forward FutureMatthew Berman 加载量化版 Orca Mini 13B，测试编程、推理、算术和摘要提示。他在 2023 年的非正式测试中发现数次失败，也有一些成功。
8:17EN → 简体中文Matthew Berman· 2023年6月22日使用 OpenLLM 通过 API 提供开放模型服务Matthew Berman · Forward Future在一场 2023 年的演示中，Matthew Berman 展示本地模型服务器、交互式 API 和 Python 客户端。
1:20:49EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2023年5月25日播客用一整片晶圆做成的芯片，让 AI 不再被阿姆达尔定律（Amdahl's law）拖慢主持 Nathan LabenzCerebras 的 CEO Andrew Feldman 向 Nathan Labenz 解释，为什么一块拥有 2.5 万亿个晶体管的裸片、稀疏线性代数，以及一台由 16 台机器组成的超级计算机，比 GPU 集群是更好的形态。
1:00:36EN → 简体中文
No Priors: AI, Machine Learning, Tech, & Startups· 2023年2月2日播客 · 2 人对谈连下 40 局《外交》（Diplomacy），没人发现对手是机器人：Noam Brown 的 10 万倍教训主持 Sarah Guo, Elad GilMeta 的 Noam Brown 讲述 Cicero 如何在一个小型网络社区里用英文谈判、连下 40 局，以及为什么决策时的思考，胜过了三年的规模化训练。
26:02EN
Lex Fridman· 2020年2月9日播客Moore’s Law Is Not Dead—It Is a Cascade of S-Curves主持 Lex FridmanJim Keller explains why transistor scaling keeps outrunning its obituary, and how exponential hardware changes the mathematics AI can attempt.
23:57ENNo Priors: AI, Machine Learning, Tech, & Startups播客 · 2 人对谈Chips, Agents and a Reckoning: Sarah Guo and Elad Gil on the 2023 AI Boom主持 Sarah Guo, Elad GilThe hosts answer listener questions on the GPU crunch, how soon enterprises will ship AI products, how to build agents, and what 2024 holds for tech valuations.
1:18:48ENLex Fridman播客Data Movement, Not Math: How to Make Deep Learning Fit on Robots and Phones主持 Lex FridmanMIT professor Vivienne Sze explains why moving data dominates the energy cost of neural networks and how co-designing hardware and algorithms can cut it by orders of magnitude.
57:21ENCognitive Revolution "How AI Changes Everything"播客Gemini 2.0 Flash Goes to Production: Pricing, Model Lineup and What Developers Should Build Next主持 Nathan LabenzGoogle DeepMind's Logan Kilpatrick walks through launch-day Gemini 2.0 releases, rate limits, model naming, and where he sees startup opportunities.
31:46ENNo Priors: AI, Machine Learning, Tech, & Startups播客 · 2 人对谈Why Rivian Threw Out Its First Self-Driving Stack and Built Its Own Brain主持 Sarah Guo, Elad GilRivian founder RJ Scaringe explains the neural-net reset, in-house chips, software-defined architecture and the mass-market R2 bet.