筛选结果
248 篇排序
35:24EN → 简体中文《Attention Is All You Need》作者如今像编译字节码一样编译 mRNA主持 Sarah Guo, Elad GilJakob Uszkoreit 谈 Transformer 为什么会胜出、模型为什么把算力花在错的地方,以及药物发现为什么必须从筛选转向生成。
2:13:07EN → 简体中文在 GPT-2 Small 上半小时找到一个回路,却在 GPT-3 之前撞上了二次方的墙主持 Nathan LabenzArthur Conmy 带 Nathan Labenz 讲解 ACDC:这种算法能自动完成机制可解释性中最繁琐的一步,即找出究竟是哪些 Transformer 组件在真正执行某项任务。
12:20EN → 简体中文UltraLM 13B 实测:小模型的长处与推理错误Matthew Berman · Forward Future一次 2023 年的本地测试发现,模型能完成一些写作和简单编程,但在游戏、算术和逻辑题上失败。
1:33:56EN → 简体中文AI 侦察报告:90 分钟从 GPT-4 的考试成绩讲到模型是否真的理解主持 Nathan LabenzNathan Labenz 独自主持一期节目,梳理通用模型能做什么、怎样训练、能力如何被解锁,以及它们究竟理不理解任何东西。
1:32:22EN → 简体中文一百万字节与 256 个符号:Meta 的 MEGABYTE 想扔掉分词器主持 Nathan LabenzMeta AI 的 Lili Yu 讲解一种多尺度 Transformer:它能预测百万字节的序列,不做分词,目标是把任何文件都当作原始字节来建模。
1:52:46EN → 简体中文给神经网络的连接按长度收费,黑箱就拆成了看得见的模块主持 Nathan LabenzMIT 物理学家 Ziming Liu 向 Nathan Labenz 讲解 BIMT,这是一种受大脑启发的训练技巧,能把网络稀疏到用眼睛就能读懂的程度。
59:28EN → 简体中文从 50 万美元到 5 万美元:MosaicML 让训练自有模型成了明码标价的产品主持 Nathan LabenzJonathan Frankle 和 Abhi Venigalla 解释:谁在训练定制的大语言模型(LLM),为什么抽取比聊天更有价值,以及 ALiBi 如何把 65k 上下文窗口(context window)拉得更长。
2:00:19EN → 简体中文150 万个 GPT-4 童话,让 3300 万参数的模型推理超过 GPT-2主持 Nathan Labenz来试试这道填空:Lily 喜欢猫和狗。她向妈妈要了一只狗。妈妈不同意,于是她又要了一个……
1:25:35EN → 简体中文两年半,从 33.3% 到 86.5%:谷歌把基础模型送进了医学院主持 Nathan LabenzVivek Natarajan 向 Nathan Labenz 讲述 Med-PaLM 和 Med-PaLM 2:少数据的技术、九个维度的临床医生评测,以及为什么美国医师执照考试(USMLE)式的高分是一个错误的奖杯。
42:18EN → 简体中文十分之一的搜索是健康问题,医生也在谷歌上查主持 Sarah Guo, Elad Gil谷歌研究员 Karan Singhal 谈 Med-PaLM 2、医疗语言模型真正的门槛,以及为什么医学是比聊天机器人更严苛的对齐实验场。
5:24EN → 简体中文Google I/O 2023:Bard、PaLM 2 与 Google 产品中的 AIMatthew Berman · Forward FutureMatthew Berman 回顾 Google 2023 年的 AI 发布,分析其重点改进现有产品的策略。
4:14:33EN → 简体中文下一个 Token 算不上证明:Stephen Wolfram 谈 ChatGPT 与计算性真理嘉宾 Stephen Wolfram · 主持 Lex Fridman这是 Stephen Wolfram 第四次与 Lex Fridman 对谈。他先把大语言模型与 Wolfram|Alpha 作对比,然后沿着计算不可约性的思路,从 ChatGPT 讲到观察者、热力学,以及二十世纪物理学的三大理论。
40:25EN → 简体中文60 亿参数的模型,复刻了 ChatGPT 的核心技巧主持 Sarah Guo, Elad GilDatabricks 首席技术官(CTO)Matei Zaharia 向 Sarah Guo 和 Elad Gil 讲述,Dolly 如何用比 GPT-3 少五十倍的数据学会遵循指令,以及他为什么宁愿去查资料,也不把事实记进一个万亿参数的网络里。
3:28:47EN → 简体中文Karpathy 称训练好的神经网络是复杂的外星造物嘉宾 Andrej Karpathy · 主持 Lex Fridman在 Lex Fridman 的播客上,Andrej Karpathy 拒绝用大脑来做类比,借助 Nick Lane 的化学研究梳理费米悖论(Fermi paradox),并把 Transformer 视为一台通用的可微分计算机。
2:10:08EN → 简体中文Gato 只是开始嘉宾 Oriol Vinyals · 主持 Lex FridmanDeepMind 的 Oriol Vinyals 与 Lex Fridman 聊通用智能体、被丢掉的权重,以及人类水平的通用人工智能(AGI)能否在他有生之年到来。
2:10:39EN → 简体中文Demis Hassabis:先解决智能,再解决其他一切嘉宾 Demis Hassabis · 主持 Lex FridmanDeepMind 首席执行官告诉 Lex Fridman:图灵测试为什么是一份出错的考卷,AlphaFold 如何改写了生物学,以及射电天空的寂静为何暗示我们或许是孤独的。
2:45:10EN → 简体中文青少年二十小时学会开车,汽车却还学不会嘉宾 Yann Lecun · 主持 Lex FridmanYann LeCun 在 Lex Fridman 的播客里讲明白:自监督世界模型(self-supervised world models)为什么是智能缺失的“暗物质”,以及机器为什么还没到家猫的水平。
2:31:57EN → 简体中文Jay McClelland 谈思维如何从神经网络中涌现嘉宾 Jay McClelland · 主持 Lex Fridman这位斯坦福大学的认知科学家,与 Lex Fridman 聊了联结主义(connectionism)、反向传播(backpropagation)、David Rumelhart,以及为什么直觉会先发现某些东西,之后逻辑才去证明它。
2:51:33EN → 简体中文自我是一段 GPT 提示词:Wojciech Zaremba 谈意识、Codex 与费米的沉默嘉宾 Wojciech Zaremba · 主持 Lex FridmanOpenAI 联合创始人 Wojciech Zaremba 对 Lex Fridman 说,他认为我们在宇宙中可能是孤独的;他还说,GPT-3、Codex 和一只单手机器人,已经暗示了智能是如何构建的。
2:18:29EN → 简体中文你的大脑皮层,是 15 万个模型在给一只咖啡杯投票嘉宾 Jeff Hawkins · 主持 Lex FridmanJeff Hawkins 对 Lex Fridman 说:智能是学习世界模型的能力,新皮层是成千上万张相互独立的地图在投票,而通往机器智能最快的路径,是对这层皮质做逆向工程。
2:30:30EN → 简体中文成功第一步的谬误嘉宾 Ishan Misra · 主持 Lex Fridman伯克利的 Jitendra Malik 解释了计算机视觉为何仍然看起来很简单、全自动驾驶为何还遥遥无期,以及孩子知道而今天的网络不知道的是什么。
1:56:17EN → 简体中文如果把地球重演一百万次,还会有像我们这样的生物出现吗?嘉宾 Risto Miikkulainen · 主持 Lex FridmanRisto Miikkulainen 谈神经进化、鬣狗围猎、从不睡觉的罗勒,以及为什么“变异加选择”仍能找到反向传播看不见的解。
2:01:07EN → 简体中文Michael Littman 不等待失控的神,他在观察我们嘉宾 Michael Littman · 主持 Lex Fridman布朗大学的强化学习(reinforcement learning)研究者 Michael Littman 对 Lex Fridman 说,为什么意外出现的超级智能(superintelligence),在他看来就像一架 747 自行组装起来,而社交媒体、死记硬背式的语言和心智理论(theory of mind),更让他担心。
2:10:06EN → 简体中文要理解字母 A,你可能得先理解整个世界嘉宾 Dileep George · 主持 Lex FridmanDileep George 谈递归皮层网络,为什么五岁的孩子能读懂任何新出现的验证码(CAPTCHA),以及莱特兄弟到底从鸟身上学到了什么。
加载更多已显示 24 篇,共 248 篇







