筛选结果
207 篇排序
1:07:34EN → 简体中文GitHub 起初不信,Copilot 已写下 25% 的代码GitHub 首席执行官 Thomas Dohmke 向红杉资本讲述:一个计划外的 GPT-3 实验如何变成 Copilot,GitHub 为何至今仍不自己训练基础模型(foundation model),以及他希望到 2030 年让十亿人写软件。
13:40EN → 简体中文Llama 3.1 8B 实测:基准提升与参差不齐的实际结果Matthew Berman · Forward FutureMatthew Berman 用编程、推理等提示测试这款小模型,发现尽管报告的基准成绩更高,仍有多项失败。
25:56EN → 简体中文提示词装不下好设计:2024 年年中的六位 AI 从业者主持 Sarah Guo, Elad GilSarah Guo 和 Elad Gil 把 Stripe、Figma、Figure、OpenAI 的 Sora 团队、Cognition 和 Scale 的访谈片段剪在一起,拼出半年的光景:真正在做 AI 产品的人,愿意把话说到什么程度。
59:11EN → 简体中文别训练模型,Factory 创始人说应该去淘金Matan Grinberg 和 Eno Reyes 在红杉资本的《Training Data》节目中谈到,他们为什么要在别人的模型之上,卖一整套专门负责具体工作的 droid;这套技术栈刚刚把 SWE-bench 的成绩从 14% 提到了 19%。
10:57EN → 简体中文测试 Claude 3.5 Sonnet:编程、推理与视觉Matthew Berman · Forward FutureMatthew Berman 用非正式的编程、数学、谜题和图像理解提示测试 Anthropic 在 2024 年 6 月发布的模型。
17:03EN → 简体中文Qwen2 0.5B 与 72B:实际测试比较Matthew Berman · Forward FutureMatthew Berman 在 2024 年的演示中,使用编程、算术和推理提示词测试 Qwen2 最小和最大的模型。
25:00EN → 简体中文Microsoft Build 2024:Copilot+ PC、Phi-3 与 AI 演示Matthew Berman, Satya Nadella, Sam Altman, Seth Juarez · Forward FutureMatthew Berman 回顾 Microsoft 主题演讲中选出的公告、产品演示和与 Sam Altman 的对话。
29:28EN → 简体中文Cognition 的 Scott Wu:Devin 不会取代工程师,只会放大他们主持 Sarah Guo, Elad GilDevin 背后的国际信息学奥林匹克竞赛(IOI)冠军解释,为什么一个你可以在旁边实时查看的 AI 软件工程师,反而会带来更多人类工程师。
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。
13:59EN → 简体中文SWE-agent 教程:浏览代码仓库并尝试修复 GitHub 问题Matthew Berman, Carlos · Forward FutureMatthew Berman 配置研究型编程智能体,遇到安装问题和成本上限,随后展示一位作者成功处理 SymPy 基准示例的过程。
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。
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。
1:22:59EN → 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。
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。
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。
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。
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。
加载更多已显示 24 篇,共 207 篇









