筛选结果
267 篇排序
36:33EN → 简体中文Noam Shazeer 谈 Character.AI、模型训练成本与通用 AI 的用途嘉宾 Noam Shazeer · 主持 Harry StebbingsCharacter.AI 联合创始人解释他的消费者策略、语言模型训练,以及为何他预计用户会创造公司无法预料的应用。
55:08EN → 简体中文一个模型跑进 38 款产品:Paige Bailey 谈谷歌如何训练并上线 PaLM 2主持 Nathan Labenz2023 年 5 月谷歌 I/O 大会上,PaLM 2 发布时已经运行在二十多款产品里,它的产品负责人讲述了这背后的全部工作。
6:28EN → 简体中文早期 GPT-3.5 微调流程演示Matthew Berman · Forward FutureMatthew Berman 演示在 Colab 中生成合成样例,并训练模型采用特定语气。
52:48EN → 简体中文OpenAI 把微调价格砍掉 90%,创业者把 Llama 2 从清单上划掉了主持 Nathan LabenzNathan Labenz 和 Erik Torenberg 梳理了 GPT-3.5 Turbo 的微调、自建模型为什么在总成本上仍然占不到便宜,以及代码、学校和医疗领域目前真正有效的做法。
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。
7:09EN → 简体中文2023 年 7 月 AI 动态:SDXL、Worldcoin 与生物计算Matthew Berman · Forward FutureMatthew Berman 回顾一周的 AI 进展,从 Google 的 Gemini 项目和新生成模型,到生物识别身份与培养神经元实验。
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。
5:53EN → 简体中文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。
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。
4:36EN → 简体中文测试 WizardCoder 15B:本地运行的编程助手Matthew Berman · Forward FutureMatthew Berman 在本地运行 2023 年发布的 WizardCoder 模型,测试小型 Python 练习和较长的 Snake 游戏程序。
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……
11:49EN → 简体中文测试 Wizard-Vicuna 30B:回答、推理与代码Matthew Berman · Forward FutureMatthew Berman 考察一款宣传为不受审查的模型,演示 2023 年的云端配置,并进行一组非正式测试。
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。
8:05EN → 简体中文2023 年指南:在本地运行初代 GPT4All 模型Matthew Berman · Forward FutureMatthew Berman 演示早期 CPU 版 GPT4All、终端安装步骤和可用于微调的资源。
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。
加载更多已显示 24 篇,共 267 篇







