筛选结果
53 篇排序
1:34:11EN → 简体中文从扫描仪中的四十小时到一小时:借助共享的大脑空间重建你所看到的画面主持 Nathan LabenzPaul Scotti 讲述 MindEye2 如何用一小时的数据,把新受试者的功能磁共振成像(fMRI)数据映射到 CLIP 中,以及为什么一个线性层加上更好的图像生成器,改变了读心的成本。
1:27:01EN → 简体中文三百万封邮件、十次大语言模型(LLM)调用、六个模型:Shortwave 的检索增强生成(RAG)实战手册主持 Nathan LabenzFirebase 创始人 Andrew Lee 向 Nathan Labenz 拆解检索技术栈,这套技术让一个 Gmail 收件箱变成了能干活的 AI 助手。
1:43:54EN → 简体中文15 个样本就能“投毒”GPT-4:今天的 AI 系统默认就可被利用主持 Nathan LabenzFAR AI 创始人 Adam Gleave 讲解了 GPT-4 API 上廉价的越狱手段,以及业余水平的人类如何战胜超人级围棋引擎,还有为什么鲁棒性不会自己到来。
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。
1:06:39EN → 简体中文OpenAI 首位开发者关系负责人:他的代码 90% 由 ChatGPT 写成,网页智能体仍需数年主持 Jacob EffronLogan Kilpatrick 谈如何在 GPT-3.5 与 GPT-4 之间做选择、插件为何停滞不前,以及为什么公共互联网还没有准备好迎接自主智能体。
1:22:43EN → 简体中文50 亿分钟通话:Dialpad 为什么要训练自己的商务大语言模型(LLM)主持 Nathan LabenzDan O’Connell 谈实时语音、技术栈的纵向整合,以及他与 Nathan Labenz 在 AI 员工何时出现这一问题上的分歧。
1:21:50EN → 简体中文16K 的上下文窗口只能放下约 350 行,这就是表格需要智能体的原因主持 Nathan LabenzGretel AI 创始人 Alex Watson 向 Nathan Labenz 讲述:为什么大多数公司的数据仍然是一张电子表格,为什么 GPT-4 是生成这些数据的错误工具,以及差分隐私(differential privacy)如何让模型学会一种疾病,却不学会某个病人。
1:14:48EN → 简体中文首届开发者大会(DevDay)或许催生了数千家创业公司,OpenAI 的 Logan Kilpatrick 这样说主持 Nathan LabenzOpenAI 首届开发者大会次日,开发者关系负责人 Logan Kilpatrick 对 Nathan Labenz 讲了:为什么薄薄一层 API 封装从来不算公司,为什么智能体(Agent)没有被做成完全自主的,以及 200 万美元起的定制模型到底有什么用。
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。
1:17:09EN → 简体中文GPT-4 当老师,GPT-3.5 当学生:成本降九成,还有一个没人肯先做的 AI 套餐主持 Nathan LabenzNathan Labenz 报告说,GPT-4 的思维链轨迹可以训练出更便宜、更快的 3.5 模型;随后他主张把应用端的油门踩到底,给 GPT-5 踩刹车,并把一百个 AI 工具打包成一百美元的套餐。
2:32:49EN → 简体中文GPT-4 答不对一顶空心礼帽的谜题,好莱坞的 AI 协议只堵上了一半漏洞主持 Nathan Labenz编剧 Trey Kollmer 回来了,带来罢工进展、版权讲解,以及一道连最好的模型也会答错的谜题。
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。
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。
8:49EN → 简体中文Llama 2 在 2023 年发布:模型尺寸、许可与安全Matthew Berman · Forward FutureMatthew Berman 解读 Meta 的 Llama 2 论文,介绍其商业许可、模型版本和安全评估。
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。
11:42EN → 简体中文Guanaco 与 QLoRA:2023 年的微调方法与模型测试Matthew Berman · Forward FutureMatthew Berman 解读 QLoRA 论文,解释报告中的显存节省,并用一组非正式提示测试 Guanaco 65B。
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。
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。
1:21:06EN → 简体中文大家都在谈人类反馈强化学习(RLHF),几乎没人真的在做主持 Nathan LabenzHumanloop 的 CEO Raza Habib 谈,为什么一个大语言模型(LLM)的 API 大概只占可用产品的 5%,而其余部分究竟由什么填满。
1:13:52EN → 简体中文Andriy Mulyar 谈 GPT4All、数据质量与开放的本地模型Matthew Berman, Andriy Mulyar · Forward FutureNomic AI 联合创始人讲述 GPT4All 的起源、训练数据的重要性,以及本地 AI 与中心化 AI 的取舍。
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。
加载更多已显示 24 篇,共 53 篇









