筛选结果
222 篇排序
1:37:07EN → 简体中文只靠文字的 AI 诊断胜过全科医生,谷歌却仍不肯上线主持 Nathan Labenz谷歌研究员 Vivek Natarajan 和 Khaled Saab 带 Nathan Labenz 逐一讲解五篇医疗 AI 论文,从放射学报告讲到仍需赢得信任的 AI 医生。
1:59:15EN → 简体中文一分钟生成蛋白质骨架:AI 生物学的真实进展、瓶颈与风险主持 Nathan Labenz白宫为生物模型设定的报告门槛,比语言模型低了一千倍。这场对话说明,这道差距如今看来很有先见之明。
58:28EN → 简体中文从越狱 ChatGPT 到 Anthropic 的第一位提示词工程师:Alex Albert 如何推出 Claude 3主持 Nathan Labenz在建立 jailbreakchat.com 一年之后,Alex Albert 与 Nathan Labenz 一起,聊 Claude 3 的写作、编排、性格塑造,以及开发者仍然会跳过的应用护栏。
12:50EN → 简体中文测试 Smaug:托管 70B 与较小本地模型的比较Matthew Berman · Forward FutureMatthew Berman 在贪吃蛇、数学和推理题上比较两种 Smaug 配置。
27:07EN → 简体中文GPT-4o 发布:语音、视觉与更自然的对话界面Matthew Berman, Mira Murati · Forward FutureMatthew Berman 回顾 OpenAI 2024 年 5 月的 GPT-4o 演示,探讨响应更快的多模态助手能够带来什么。
17:12EN → 简体中文2024 年 4 月测试神秘模型“gpt2-chatbot”Matthew Berman · Forward FutureMatthew Berman 在模型身份尚不确定时,用编程、算术和推理任务对它进行测试。
16:28EN → 简体中文测试 Reka Core:多模态基准、编程与推理Matthew Berman · Forward FutureMatthew Berman 回顾 Reka 公布的模型比较,并用代码、逻辑和图像理解任务测试 Core。
15:01EN → 简体中文发布时测试 Llama 3:代码、推理与图像生成Matthew Berman · Forward FutureMatthew Berman 用贪吃蛇游戏、逻辑题和快速图像生成体验 Meta AI 的新界面。
1:01:39EN → 简体中文GPT-5 需要 100 万亿个 Token,地球够用吗?主持 Nathan Labenz训练 GPT-3 用了约 1 万亿个 Token,GPT-4 用了约 10 万亿个。下一步跃升,数据问题和算力问题同样重要。
1:19:24EN → 简体中文一段乱码提示词,能读出 GPT-J 提前三个 token 的规划主持 Nathan Labenz美国东北大学的 Bau 实验室发现,一个 4 万参数的软提示(soft prompt)能读出模型接下来要说的词,而大约十个注意力头(attention head)承载着任务本身。
14:23EN → 简体中文实测 DBRX:编程能力亮眼,推理仍有短板Matthew Berman · Forward FutureMatthew Berman 介绍 Databricks 的开放权重模型,并用编程、算术和推理题进行测试。
1:20:44EN → 简体中文像 Mamba 一样看世界:视觉、腐坏的状态与 90 天里的细胞模型主持 Nathan LabenzNathan Labenz 和 Jason Meaux 梳理了原版 Mamba 发布之后的视觉论文、长上下文实验和生物学工作。
2:47:17EN → 简体中文想做出人类水平的 AI,就该放弃生成式模型嘉宾 Yann Lecun · 主持 Lex FridmanYann LeCun 在与 Lex Fridman 的对话中说明,为什么自回归大语言模型(LLM)无法规划、记忆或理解物理世界,以及为什么开源是唯一民主的答案。
23:00EN → 简体中文发布时实测 Google Gemma 7B:配置会影响结果Matthew Berman · Forward FutureMatthew Berman 比较 Google 早期开放权重模型的本地测试与托管服务复测。
1:58:43EN → 简体中文一条只有 302 个神经元的线虫已经会权衡取舍,AI 仍停在同一座梯子上主持 Nathan LabenzMax Bennett 把 6 亿年的大脑演化对应到五次突破上,并追问今天的模型究竟爬上了哪几级台阶。
40:58EN → 简体中文工厂里 99% 的机器人都很笨,Covariant 想先让聪明的机器人进仓库干活主持 Sarah Guo, Elad Gil前 OpenAI 研究员 Peter Chen 解释,为什么机器人基础模型必须在生产车间里训练,而不能只在实验室里训练。
2:30:06EN → 简体中文训练 token 只有 GPT-4 的三十分之一,Mamba 在 Transformer 的主场赢了主持 Nathan Labenz在一期单人紧急节目中,Nathan Labenz 认为,Albert Gu 和 Tri Dao 提出的选择性状态空间模型,是 2017 年以来第一个有资格与 Transformer 分享王座的架构。
1:19:24EN → 简体中文一篇玩具论文没有证明大语言模型不能泛化,舆论却照样跟着跑主持 Nathan LabenzNathan Labenz 和 Erik Torenberg 拆解了一条在网上疯传的 DeepMind 结果、一次周末复现,以及一场针对自愿性 AI 承诺、来得太早的骂战。
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。
41:58EN → 简体中文可靠性是瓶颈,自主性才会让 AI 显得有生命主持 Sarah Guo, Elad GilIlya Sutskever 与 Sarah Guo、Elad Gil 谈 AlexNet、OpenAI 的利润上限公司(capped profit)押注、为什么小模型主要损失可靠性,以及他为数字生命划的那条线。
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。
37:01EN → 简体中文DNA 是代码,可你得用移液器来编译主持 Sarah Guo, Elad GilGinkgo Bioworks 首席执行官 Jason Kelly 向 No Priors 讲述:为什么细胞值得那份“魔法”,为什么生物学没有 AWS,以及为什么大流行应当像网络安全那样来应对。
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。
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。
加载更多已显示 24 篇,共 222 篇








