筛选结果
271 篇排序
10:57EN → 简体中文
Matthew Berman· 2024年9月13日测试 OpenAI o1-preview：俄罗斯方块、物理推理与北极题错误Matthew Berman · Forward Future2024 年 9 月，Matthew Berman 用个人评分题目测试新推理模型预览版，考察回答的成功与失误。
1:31:56EN → 简体中文Matthew Berman· 2024年9月12日用谜题、代码和推理测试 OpenAI o1：发布日直播Matthew Berman · Forward FutureMatthew Berman 按观众建议，让 o1-preview 和 o1-mini 尝试字数统计、Tetris、物理推理及文字谜题，并与观众一起检查结果。
19:38EN → 简体中文Matthew Berman· 2024年9月9日Reflection 70B：相互矛盾的结果与尚待解答的问题Matthew Berman · Forward FutureMatthew Berman 回顾自己早期的报道、独立评测，以及围绕 2024 年 9 月发布的模型出现的不同说法。
12:03EN → 简体中文Matthew Berman· 2024年9月6日Reflection 70B：自我纠错的说法与 2024 年演示的局限Matthew Berman · Forward FutureMatthew Berman 评测一个经过训练、会生成反思步骤的模型。其最初的基准成绩后来难以由独立评估者复现。
35:30EN → 简体中文Matthew Berman· 2024年9月6日Reflection 70B：创作者解释其提出的自我修正方法Matthew Berman, Matt Shumer, Sahil Chaudhary · Forward Future一场发布日访谈中，Matt Shumer 和 Sahil Chaudhary 讨论合成数据、选择性反思和评估局限。
1:54:17EN → 简体中文
Cognitive Revolution "How AI Changes Everything"· 2024年8月28日播客Metaculus 在 2020 年 1 月就关注到了新冠，如今它要让 AI 也加入预测主持 Nathan LabenzNathan Labenz 与 Metaculus 首席执行官 Deger Turan 谈认知安全、为期一年的机器人锦标赛，以及为什么一个有用的预测，比一个准确的预测更难做到。
1:12:31EN → 简体中文
Sequoia Capital· 2024年8月27日播客裸模型只能完成 35% 的航班改签，Sierra 的代理能处理 70% 的真实工单Clay Bavor 谈为什么直接把原始大语言模型放在客户面前行不通，以及 AgentOS、监督代理和按结果收费，如何改变这笔账。
9:43EN → 简体中文Matthew Berman· 2024年8月26日Matthew Berman 测试 Jamba 1.5 的编程与推理能力Matthew Berman · Forward Future在 2024 年的一次上手测试中，AI21 的混合架构模型输出缓慢，在少量提示词上的表现有好有坏。
11:39EN → 简体中文Matthew Berman· 2024年8月15日Grok 2 测试版：Matthew Berman 测试推理与 FLUX 图像生成Matthew Berman · Forward Future回顾 xAI 在 2024 年推出的 Grok 2 和 Grok 2 mini，涵盖早期基准说法、一次失败的推理测试和图像生成实验。
15:24EN → 简体中文Matthew Berman· 2024年8月13日测试匿名模型 sus-column-r：它后来被确认是 Grok-2Matthew Berman · Forward FutureMatthew Berman 测试一款 2024 年 Arena 神秘模型的编程与推理能力；其冗长回答引发了有关 OpenAI 的猜测，但后来的身份确认与猜测相悖。
57:55EN → 简体中文Matthew Berman· 2024年8月12日首次 AI 直播：模型传闻、RAG、智能体与观众问答Matthew Berman · Forward FutureMatthew Berman 在 2024 年 8 月测试直播，回答观众关于 AI 工具、模型评估、企业知识和未来智能体的问题。
9:51EN → 简体中文Matthew Berman· 2024年8月7日Strawberry 传闻与两场匿名聊天机器人推理测试Matthew Berman · Forward Future2024 年 8 月，Matthew Berman 梳理 OpenAI 下一代模型的传闻，并用简单的推理题测试神秘聊天机器人。后来的披露澄清了其中一个模型的身份。
12:17EN → 简体中文Matthew Berman· 2024年8月7日测试 Gemini 1.5 Pro 的编程、推理、图像和视频能力Matthew Berman · Forward FutureMatthew Berman 在 2024 年的一次非正式评测中比较标准版和实验版 Gemini，发现结果有好有坏，并反复出现输出错误。
11:34EN → 简体中文Matthew Berman· 2024年8月1日测试 Mistral Large 2：2024 年的编程、推理与安全表现Matthew Berman · Forward FutureMatthew Berman 用小型编程任务、逻辑题和伦理假设测试 Mistral 的 1230 亿参数模型。结果令人期待，但测试范围有限。
42:08EN → 简体中文Sequoia Capital· 2024年7月30日播客Meta 用 16,000 块 GPU 训出 405B 教师模型，然后让全世界去蒸馏它Llama 3.1 405B 发布两天后，Meta 生成式 AI 产品负责人向红杉资本讲清楚：这个系列里最贵的模型为什么免费开放，以及他为什么认为前沿模型本身正在走向商品化。
13:40EN → 简体中文Matthew Berman· 2024年7月29日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。
5:50EN → 简体中文Matthew Berman· 2024年7月27日使用 Groq 和 Streamlit 演示 Mixture-of-AgentsMatthew Berman · Forward FutureMatthew Berman 介绍一个 2024 年的 Groq 驱动多智能体项目，从配置到检查各层回答。
10:02EN → 简体中文Matthew Berman· 2024年7月24日用编程、算术与推理任务测试 Llama 3.1 405BMatthew Berman · Forward FutureMatthew Berman 使用一组非正式提示词测试 Meta 2024 年发布的开放权重模型，并演示一套受赞助的数据集工作流程。
13:19EN → 简体中文Matthew Berman· 2024年7月20日GPT-4o Mini 发布时与 GPT-4o 的对比测试Matthew Berman · Forward FutureMatthew Berman 使用编程、推理和图像提示测试 OpenAI 的 2024 年小模型，视频包含 HP 与 Intel 赞助的笔记本电脑片段。
8:52EN → 简体中文Matthew Berman· 2024年7月14日Yi-Large 测试：编程、算术与逻辑谜题Matthew Berman · Forward FutureMatthew Berman 用一组编程和推理提示测试 01.AI 的托管模型，结果有好有坏，部分评分也值得商榷。
25:56EN → 简体中文
No Priors: AI, Machine Learning, Tech, & Startups· 2024年7月11日播客 · 2 人对谈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。
1:16:22EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2024年7月9日播客他花 20 小时打磨提示词（prompt），DSPy 还是赢了他主持 Nathan LabenzSander Schulhoff 讲解 The Prompt Report。这份 78 页的综述梳理了向大语言模型（LLM）提问时，真正管用的提示方法。
8:53EN → 简体中文Matthew Berman· 2024年7月8日RouteLLM：在强模型和低成本模型之间路由查询Matthew Berman · Forward FutureMatthew Berman 介绍一个 2024 年研究框架，它利用偏好数据为每个查询选择模型。
59:11EN → 简体中文Sequoia Capital· 2024年6月25日播客别训练模型，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%。加载更多已显示 24 篇，共 271 篇