筛选结果
62 篇排序
1:23:09EN → 简体中文AI 任务的合适大小,就是你能检查得了的那么大主持 Nathan LabenzElicit 联合创始人 Andreas Stuhlmüller 与 Jungwon Byun 讲述,一个十二人的研究助理如何把摘要中的幻觉数从 1.5 降到 0.5,大约每一周半发布一次更新,并把任务拆解视为在不依赖黑箱的前提下投入更多算力的办法。
1:28:37EN → 简体中文看完 GPT-4 演示 12 小时后,他让一家十年老的法律创业公司转了向主持 Nathan LabenzPablo Arredondo 是 CaseText 的联合创始人,现任汤森路透 CoCounsel 副总裁。他追溯了法律研究从 19 世纪的引证工具,一路走到以检索为锚的 GPT-4 产品;律师事务所把这款产品当作同事,而不只是搜索框。
42:14EN → 简体中文Meta 的 1970 亿美元之日,只是 AI 那个 2000 亿美元问题的部分答案主持 Sarah Guo, Elad GilSarah Guo 和 Elad Gil 谈到了 Gemini、Mistral、英伟达的升级周期、Klarna 的客服机器人,以及为什么真正的 AI 支出仍然集中在超大规模云厂商手里。
Google 给你 3300 万条结果,Exa 只想给你 54 条主持 Nathan LabenzExa 首席执行官 Will Bryk 向 Nathan Labenz 讲述:搜索与研究为什么是两份不同的工作,以及一位面向网络的 AI 图书管理员为什么从第一道过滤开始就必须基于神经网络。
1:32:19EN → 简体中文2018 年的提示词论文被拒,如今他的搜索 API 超过了谷歌主持 Nathan LabenzRichard Socher 讲述 You.com 的来路:从一个被拒的统一自然语言处理(NLP)模型,到原生于大语言模型(LLM)的网页索引、三种助手模式,以及他给出的末日概率(P(doom))非常低。
31:28EN → 简体中文给 GPT-4 外接一个记忆,幻觉最多可减少 50%主持 Sarah Guo, Elad GilPinecone 首席执行官 Edo Liberty 向 Sarah Guo 和 Elad Gil 讲述,检索增强生成(RAG)、无服务器(serverless)向量数据库(vector database),以及把知识放在模型之外,如何让大语言模型(LLM)更可靠。
42:07EN → 简体中文Notion 的 Ivan Zhao:RAG 会让整理信息变得可有可无主持 Sarah Guo, Elad GilNotion 首席执行官在 No Priors 节目中讲述了他为什么把公司押在 GPT-4 上,为什么嵌入(embedding)和智能体(Agent)同样重要,以及软件为什么正在进入捆绑周期。
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。
1:53:08EN → 简体中文GPT-4 写 SQL,四张表就是崩溃点主持 Nathan LabenzJuan Sequeda 谈为什么知识图谱(knowledge graph)是基础模型(foundation model)所缺的那个准确、可解释的“大脑”。
1:50:57EN → 简体中文GPT-4 发布 28 天后,一个 AI 设计并执行了一项化学实验主持 Nathan LabenzGabe Gomes 和他在卡内基梅隆大学的学生开发了 Coscientist,这是一个基于语言模型的智能体(Agent),能在远程云实验室里规划、编写代码,并执行真实的实验。
1:32:40EN → 简体中文教会 GPT-3.5 击败 GPT-4 的历史学家主持 Nathan LabenzMark Humphries 谈一公里长的未读纸质档案、嵌入(embeddings)模型看不懂的皮毛贸易行话,以及廉价的处理能力为什么会迫使历史被重写。
38:07EN → 简体中文AutoGen 进阶教程:配置、记忆、检索与工具Matthew Berman · Forward FutureMatthew Berman 讲解 2023 年 AutoGen 界面中的多智能体配置、缓存、检索、可教学记忆和函数调用。
1:26:30EN → 简体中文这些数据大多从未进过数据库:Chroma 战时 CTO 谈 RAG主持 Nathan LabenzAnton Troynikov 重返《认知革命》,主张检索质量主要取决于嵌入(embedding),Chroma 应当掌控检索增强生成(RAG)的整个闭环;GPT 则仍然通不过一项基础推理测试:康威的“生命游戏”(Game of Life)。
32:14EN → 简体中文MemGPT:在固定上下文窗口之外管理大语言模型记忆Matthew Berman, Charles Packer, Vivian Fang · Forward FutureMatthew Berman 解读 2023 年的研究、演示文档检索,并听取作者 Charles Packer 和 Vivian Fang 对未来计划的介绍。
1:19:52EN → 简体中文1,000 块 H100 要 115 天,22,000 块只要五天主持 Nathan LabenzNathan Labenz 和 Trey Kollmer 讲解了集群算力的估算方法:如何把 GPT-4 规模的训练变成每周一次的实验;随后是四篇论文,涉及搜索增强型模型、递归式代码改进器、Llama 2 内部的空间地图,以及网络在完全不知道答案时的表现。
1:23:10EN → 简体中文500 美元以下的奢侈品手袋,击穿了一家银行的欺诈模型主持 Nathan LabenzArthur.ai 首席执行官 Adam Wenchel 谈边界探测攻击(boundary detection attack)、大语言模型(LLM)防火墙,以及为什么吞下原始文本的模型,无法从内部实现安全。
1:40:44EN → 简体中文给模型时间、记忆和工具:Nathan Labenz 2023 年 GPT-4 使用指南主持 Nathan Labenz《AI Scouting Report》第二部分,从 H100 集群和 RLHF 一路讲到思维链、检索、智能体和混合专家模型。
54:00EN → 简体中文Douwe Kiela 谈数据、检索与企业 AI嘉宾 Douwe Kiela · 主持 Harry StebbingsContextual AI 首席执行官讨论语言模型的权衡、评估、开放模型和企业使用的障碍。
59:36EN → 简体中文Pascal Pfeiffer 谈检索、开放模型、Kaggle 与 H2O LLM Studio 微调Matthew Berman, Pascal Pfeiffer · Forward Future在 2023 年的一次访谈中,H2O.ai 的 Pascal Pfeiffer 解释文档检索和参数高效微调,回顾 Kaggle 竞赛并演示 LLM Studio。他与 Matthew Berman 还讨论了编程助手,以及未经证实的模型架构传闻。
52:10EN → 简体中文James Briggs 谈向量数据库、检索与 AI 记忆Matthew Berman, James Briggs · Forward FuturePinecone 的开发者倡导经理解释嵌入和外部知识,回顾 ChatGPT 与 AutoGPT 带来的增长,并讨论长上下文窗口。
37:18EN → 简体中文Wi-Fi 密码靠检索,公司专属语言靠专家主持 Sarah Guo, Elad Gil谷歌大脑的 Kelvin Guu 谈 REALM、FLAN、模型手术,以及为什么大模型的个性化仍是一个尚未解决的界面问题。
1:56:16EN → 简体中文他们曾用人类充当 AI 替身,如今 250,000 人在用 Elicit主持 Nathan LabenzOught 的两位创始人告诉 Nathan Labenz:开放式推理必须被拆解、被监督、有据可依,而不能只是一味放大,直到看上去足够有说服力。
35:36EN → 简体中文精选摘要覆盖率卡在 7%,一位 谷歌 老兵用语言模型把它提到 70%主持 Sarah Guo, Elad GilNeeva 创始人 Sridhar Ramaswamy 在《No Priors》里讲述:为什么答案总能胜过链接,为什么隐私没能促成人们换搜索引擎,以及为什么大多数查询用不着最大的模型。
1:44:19EN → 简体中文十个人对垒谷歌的 2820 亿美元搜索机器主持 Nathan LabenzPerplexity 创始人 Aravind Srinivas 向 Nathan Labenz 解释,小团队要和谷歌竞争,靠的是引用、速度和单位时间里的价值,而不是聊天气泡。
加载更多已显示 24 篇,共 62 篇









