筛选结果
288 篇排序
1:25:10EN → 简体中文写代码只占工作的 30%,CodiumAI 想要另外那 70%主持 Nathan LabenzItamar Friedman 认为,代码补全已经成了大宗商品,代码完整性是 AI 仍然落后的地方;而让 GPT-4 在编程竞赛中把分数翻了一番的,靠的是流工程(Flow Engineering),不是更花哨的提示词。
13:57EN → 简体中文Mistral Large:2024 年的编程、推理与安全回答评测Matthew Berman · Forward FutureMatthew Berman 回顾 Mistral 的发布主张,并用少量提示词测试模型。
11:14EN → 简体中文初探 Gemini Advanced 与 Ultra 1.0:功能解析和实际测试Matthew Berman · Forward Future2024 年 2 月,Matthew Berman 介绍 Google 将 Bard 更名为 Gemini,并测试新的付费产品在编程、逻辑和图像识别方面的表现。
46:36EN → 简体中文做了十年代码搜索后,Sourcegraph 的 CTO 认为代码 AI 的竞争发生在模型之外主持 Sarah Guo, Elad GilBeyang Liu 讲 Cody,讲关键词搜索为何仍然承担着检索增强生成(RAG)的大部分工作,以及随着 AI 压缩中间件,计算机基础知识为何变得更有价值。
24:54EN → 简体中文Matthew Berman 对 AI 与编程未来的 2023 年预测Matthew Berman, Matt Welsh, McKay Wrigley · Forward FutureBerman 认为自然语言界面和 AI 智能体可能改变软件开发,同时也承认编程工具的局限和预测时间线的不确定性。
1:22:59EN → 简体中文如果智能体有 80% 的时间是对的,十步之后只剩 10% 的成功率主持 Nathan LabenzImbue 的 CTO Josh Albrecht 向 Nathan Labenz 讲述,这家还没有产品、只有 27 人的研究公司,如何把 2 亿美元和 10000 块 H100 投向真正能完成长任务的智能体(Agent)。
1:15:39EN → 简体中文做了二十年前端,Guillermo Rauch 发现 v0 写的代码比自己的更好主持 Nathan LabenzVercel 首席执行官告诉 Nathan Labenz,为什么每个产品都需要幽灵文本(ghost text),为什么软件 2.0(Software 2.0)会让旧技术栈僵化,以及为什么押注开源仍然是代价高昂的错误。
7:48EN → 简体中文测试 Dolphin 2.2 Yi 34B 的编程与推理能力Matthew Berman · Forward Future2023 年 11 月,Matthew Berman 使用编程、写作和逻辑提示词,对量化后的 Yi 微调模型进行非正式测试,结果好坏参半。
32:48EN → 简体中文14 人、2 亿美元算力,以及智能体(Agent)的可靠性瓶颈主持 Sarah Guo, Elad GilImbue 联合创始人 Kanjun Qiu 和 Josh Albrecht 谈智能体为什么会失败,语言模型为什么学不会通用算法,以及他们为何把一轮巨额融资花在 GPU 上,而不是用来扩充人手。
5:31EN → 简体中文将 MemGPT 接入 AutoGen 智能体Matthew Berman · Forward Future在 2023 年的一段教程中,Matthew Berman 配置了一个由 MemGPT 支持的编码智能体和一个 AutoGen 产品经理,并运行简短群聊。
7:02EN → 简体中文使用 Text Generation WebUI 将 AutoGen 接入 RunPod 托管模型Matthew Berman · Forward Future在这段 2023 年教程中,Matthew Berman 通过兼容 OpenAI 的 API 将 AutoGen 接入 Dolphin 2.1 Mistral 7B,并测试一个小型编程任务。
15:03EN → 简体中文2023 年 AutoGen 教程:本地智能体设置与代码执行Matthew Berman · Forward FutureMatthew Berman 构建本地助手与用户代理工作流,随后测试智能体如何生成和运行 Python。自这次教程以来,AutoGen 的软件包与 API 已发生变化。
1:32:41EN → 简体中文能训练前沿模型的人约有 5000 名,其余公司需要的是 AI 工程师主持 Nathan LabenzLatent Space 的 Swyx 向 Nathan Labenz 讲述了一个新职业如何成形、为什么 OpenAI 会对开发者做 Sherlock 化(Sherlocking),以及什么还不算智能体。
7:32EN → 简体中文MageGPT 生成 Wasp 待办事项应用:一次 2023 年演示Matthew Berman · Forward FutureMatthew Berman 使用 Wasp 赞助的应用生成工具,构建、运行并部署一个基础的全栈待办事项应用。
2:17:30EN → 简体中文Gemini 成了日常主力;名副其实的 GPT-5 才能让智能体真正跑起来主持 Nathan LabenzZvi Mowshowitz 再次做客 Cognitive Revolution,聊 Gemini 1.5、Sora、超级对齐(superalignment)、潜伏代理(sleeper agent),以及前沿实验室的实时格局。
29:38EN → 简体中文新手刚做成一门 25 万美元的生意,专业程序员只拿到 30%主持 Sarah Guo, Elad GilReplit 首席执行官 Amjad Masad 谈 Ghostwriter、为什么 30 亿参数的模型就够用,以及他希望智能体在你睡觉时替你赚取悬赏。
9:59EN → 简体中文Open Interpreter:2023 年本地代码执行演示Matthew Berman · Forward FutureMatthew Berman 安装 Open Interpreter,使用 GPT-4 分析本地文件,并尝试在本地配置 Code Llama,结果有成功也有失败。
6:11EN → 简体中文使用 Text Generation WebUI 在本地运行 WizardCoderMatthew Berman · Forward FutureMatthew Berman 演示 2023 年一款基于 Code Llama 的量化编程模型的设置过程,从 Python 环境到简单测试提示。
10:20EN → 简体中文Phind Code Llama 34B 对比 GPT-4:一次 2023 年 Python 编程测试Matthew Berman · Forward FutureMatthew Berman 用游戏、短函数和重构任务比较量化的 Phind 微调模型与 GPT-4,结果有好有坏。
1:39:53EN → 简体中文不到 100 人,2400 万用户:Replit 押注人工开发者智能主持 Nathan LabenzReplit 新任 AI 副总裁 Michele Catasta 提出一个“生成、执行、学习”的循环,他不愿把它称为 AGI;他还描绘了一个从 2 倍到 1000 倍的生产力阶梯,以及精确到击键级别的数据优势。
1:45:46EN → 简体中文Replit 每月 10 美元的 AI 程序员已经回本,野心则是机器人雇用机器人主持 Nathan LabenzReplit 的第一位产品设计师 Tyler Angert 讲解了虚拟开发者 Ghostwriter,以及公司为何自称是通用人工智能(AGI)的完美基底。
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。
7:37EN → 简体中文Smol Developer:根据提示词生成一个小型 Python 项目Matthew Berman · Forward FutureMatthew Berman 演示一个 2023 年的项目生成工具,从简单的 Ruby 示例到包含多个文件的 ChatGPT API 程序。
59:38EN → 简体中文Richard Eisenberg 谈依赖类型、OCaml 与 AI 辅助编程Yaron Minsky, Richard Eisenberg · Jane Street类型系统如何表达正确性和性能,以及 AI 编写代码时,精确、易读的规格为何仍然重要。
加载更多已显示 24 篇,共 288 篇









