筛选结果
70 篇排序
13:34EN → 简体中文Sam Altman 的“智能时代”:超级智能、规模扩展与工作Matthew Berman · Forward FutureMatthew Berman 解读 Altman 2024 年的文章,讨论 AI 助手、教育、基础设施和就业的未来。
1:18:32EN → 简体中文一个能分辨哪些基因碰不得的 DNA 模型主持 Nathan Labenz斯坦福大学的 Brian Hie 讲解混合架构、一个只用 DNA 训练的基因组尺度语言模型,以及一种结合紧密程度比天然抗体高 25 倍的抗体。
49:14EN → 简体中文人形机器人价格从 150 万美元跌到 3 万美元,机器人的 GPT-3 时刻仍是一个动词英伟达的 Jim Fan 向红杉资本讲述了三类数据、一项人形机器人押注,以及一个“系统 1”运动控制模型,如何解锁通用机器人。
44:16EN → 简体中文一场完美的演示,距离能让你付费购买的产品还有十年主持 Sarah Guo, Elad GilAndrej Karpathy 借用 Waymo 长达十年的时间差、特斯拉的软件押注,以及一门新的 AI 课程,论证自主智能会卡在产品化和全球化这两关上,而不是卡在第一段惊艳的视频上。
1:27:02ZH广密:Self-play RL 可能开启 AGI 的新 Scaling Law嘉宾 广密 · 主持 张小珺广密认为,纯靠语言预训练扩展模型的边际收益可能正在减弱,self-play 强化学习是更值得押注的新路径。它能否泛化到代码、视频、机器人和更广的领域,将决定下一阶段的 AGI 竞赛。
1:23:57EN → 简体中文一次训练就是一台粒子对撞机,而与中国的竞争则是一场五十年的赛跑主持 Nathan LabenzSamo Burja 与 Nathan Labenz 聊了为什么 ChatGPT 的爆红可能拖慢了 AI 科学,以及为什么华盛顿应把北京视为经济对手,而非军事对手。
50:20EN → 简体中文Arvind Narayanan 谈 AI 扩展、现实风险与模型基准的局限嘉宾 Arvind Narayanan · 主持 Harry Stebbings这位 Princeton 教授质疑有关模型扩展、AGI 时间表和 AI 采用的简单说法,同时讨论深度伪造、医疗、教育与安全。
42:42EN → 简体中文以太坊曾握有相当于两千套 GPT-3 集群的 GPU 算力主持 Sarah Guo, Elad GilFoundry 首席执行官 Jared Quincy Davis 谈闲置的 H100、今天的 AI 云为何仍是托管模式,以及复合 AI 系统(compound AI systems)如何把工作从巨型互联集群上卸下来。
1:33:07ZH广密复盘全球大模型这一年:Scaling Law、AGI 豪赌与中美格局嘉宾 李广密 · 主持 张小珺拾象创始人李广密从硅谷一线观察出发,回顾 OpenAI、Anthropic、Google 与中国模型公司的竞争。他认为,模型能力与成本共同决定新一轮应用爆发,而巨额投入押注的是智能能否持续扩展以及 AI 对经济和产业的长期重构。
46:09EN → 简体中文Oriol Vinyals:把九成算力烧在预训练上的日子屈指可数了主持 Sarah Guo, Elad GilGoogle DeepMind 研究副总裁 Oriol Vinyals 谈 Gemini、长上下文、从预训练转向强化学习(RL)的即将到来,以及通用人工智能(AGI)为什么可能永远没有终点线。
42:08EN → 简体中文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。
1:00:28EN → 简体中文规模定律(scaling law)还没失效,别把自己锁死在昨天的架构上微软首席技术官 Kevin Scott 谈指数增长为什么仍在持续,推理为什么会远超训练,以及为什么语言模型是“世界上最烂的数据库”。
55:13EN → 简体中文这项测试上最好的 AI 只得 39%,Zapier 联合创始人拿出 100 万美元奖金,要攻克它François Chollet 设计 ARC,用来衡量获取新技能的效率。五年过去,人类依然轻松过关,前沿模型却做不到。
1:01:30EN → 简体中文Leopold Aschenbrenner 对 AGI、超级智能与安全的 2024 年预测Matthew Berman · Forward FutureMatthew Berman 解读《Situational Awareness》,探讨其对自动化 AI 研究的推演,以及设想中的工业、地缘政治和对齐挑战。
1:01:55EN → 简体中文每小时 9 美元的 AI 护士、86 分的医学考试成绩,以及 10% 的灭绝线主持 Nathan LabenzNathan Labenz 独自做的这份“侦察报告”,从医疗领域的最新进展讲起,接着讲模型究竟如何学习,再到当前的主要玩家、缩放趋势,以及一份至今还不存在的控制方案。
29:09EN → 简体中文超大规模云厂商投入 2000 亿美元,下一个瓶颈是一座发电厂主持 Sarah Guo, Elad GilSarah Guo 和 Elad Gil 聊了音乐模型、端侧大语言模型、长上下文,以及 AI 资本开支为什么如今可以和石油、宽带建设相提并论。
31:24EN → 简体中文Sora 团队负责人:一分钟高清视频,不过是视频模型的 GPT-1主持 Sarah Guo, Elad GilAditya Ramesh、Tim Brooks 和 Bill Peebles 在 No Priors 上讲述:文生视频(text-to-video)为什么处在通用人工智能(AGI)的路径上,他们为什么没有扩展图像生成器而是从零开始,以及为什么至今仍没有产品的发布日期。
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。
14:12EN → 简体中文Matthew Berman 评析电影创作者对 Sora 的早期实验Matthew Berman · Forward Future从早期 Sora 生成的影片和超现实生物出发,探讨创意工作、算力和视频模拟引发的问题。
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。
32:57EN → 简体中文一台 MacBook 上的 70 亿参数模型:Mistral CEO 重新算了 AI 的成本账主持 Sarah Guo, Elad GilArthur Mensch 在 No Priors 节目上解释:为什么 Chinchilla 让小模型变得有价值,为什么开源 Mistral 7B 不会带来生物武器风险,以及护栏为什么应该放在应用层。
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。
30:03EN → 简体中文一块餐盘大小的芯片,把训练时间从 60 天缩短到 3.5 天主持 Sarah Guo, Elad GilCerebras 首席执行官 Andrew Feldman 在《No Priors》中说明,为什么解决算力紧缺的答案是晶圆级芯片,而不是又一款 GPU,也解释了为什么大多数量产模型的参数量会保持在 130 亿或以下。
加载更多已显示 24 篇,共 70 篇









