筛选结果
140 篇排序
2:03:55EN → 简体中文约束越多,智能体(Agent)越值得信任主持 Nathan LabenzAgent.ai 工程负责人 Andrei Oprisan 向 Nathan Labenz 解释,为什么狭窄、规定明确的工作流能胜过开放式的自主性,以及一个 12 人的团队如何在几个月内把一个免费的智能体网络做到超过 40000 名用户。
9:58EN → 简体中文Abstract AI:构想中的语言模型路由层Matthew Berman · Forward FutureMatthew Berman 提出一个创业点子:根据成本、速度和质量选择模型与工作流。
1:16:22EN → 简体中文他花 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。
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。
19:09EN → 简体中文OSWorld:在真实应用中评估计算机操作智能体Matthew Berman · Forward FutureMatthew Berman 介绍这项 2024 年基准测试的观察—行动循环、任务专属检查和早期结果,并说明实验设置的局限。
19:46EN → 简体中文在 Lightning AI 上构建 CrewAI 财务分析团队Matthew Berman · Forward FutureMatthew Berman 演示 2024 年的双智能体工作流程,先使用 Groq,再连接云端托管的 Ollama 模型。
14:58EN → 简体中文OpenDevin 早期编程智能体:2024 年安装与演示Matthew Berman · Forward FutureMatthew Berman 安装早期的开源编程智能体项目,尝试制作计算器和简单网页,同时遇到设置与浏览器问题。
4:56EN → 简体中文如果把心智看作工具,AI 就没那么像威胁了主持 Nathan LabenzYohei Nakajima 和 Nathan Labenz 边看 TED AI 演讲边暂停讨论,把他构建智能体(Agent)的习惯,与东西方关于身份认同的观念联系起来。
1:45:21EN → 简体中文60 万条攻击提示词,近 40% 仍能攻破 GPT-4主持 Nathan LabenzSander Schulhoff 向 Nathan Labenz 讲解了依然有效的提示习惯、不靠谱的角色扮演迷思,以及那场全球性的 HackAPrompt 比赛——比赛摸清了大语言模型(LLM)是怎样被劫持的。
15:11EN → 简体中文用 AutoGen Studio 构建字幕转文章的智能体团队Matthew Berman · Forward FutureMatthew Berman 配置字幕获取技能、两个智能体和群聊工作流,并排查凭据与输出问题。
1:43:07EN → 简体中文一个智能体(Agent)发了五条推文,5000 人没有一个察觉主持 Nathan LabenzMultiOn 创始人 Div Garg 在 Cognitive Revolution 节目中讲解了 2024 年初网页智能体(web agent)的实际能力与成本,以及为什么护栏必须放在模型之外。
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。
1:06:39EN → 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。
1:22:59EN → 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)。
1:14:48EN → 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。
10:13EN → 简体中文使用 GPTBots.ai 构建企业聊天机器人Matthew Berman · Forward Future在这期 2023 年的赞助演示中,Matthew Berman 配置助手、添加业务知识、纠正回答并构建分支流程。
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。
1:25:11EN → 简体中文105 行代码、100 万次曝光,和一位不肯创办公司的风投主持 Nathan LabenzBabyAGI 的作者 Yohei Nakajima 向 Nathan Labenz 讲述,一个周末的原型如何掀起了智能体(Agent)浪潮,以及他为什么又回去做投资了。
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。
15:03EN → 简体中文2023 年 AutoGen 教程:本地智能体设置与代码执行Matthew Berman · Forward FutureMatthew Berman 构建本地助手与用户代理工作流,随后测试智能体如何生成和运行 Python。自这次教程以来,AutoGen 的软件包与 API 已发生变化。
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。
55:13EN → 简体中文两天做出原型:a16z 如何把一篇斯坦福论文变成 AI Town主持 Nathan Labenz一个名叫 Alice 的陪伴型角色,一次周末用 Phaser 赶出的小项目,以及 Martin Casado 的论断:模型永远不会取代形式化语言。
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。
59:41EN → 简体中文人是单线程的,MULTI·ON 却想让 100 个智能体照样同时运行主持 Nathan Labenz斯坦福博士辍学生 Div Garg 把一个个人智能体装进了 Chrome:它能复用你已登录的账号,卡住时请求帮助,并在点下“购买”之前停下来。
加载更多已显示 24 篇,共 140 篇









