筛选结果
50 篇排序
44:48EN → 简体中文企业版谷歌失败了二十年,一位搜索老兵终于做成了Glean CEO Arvind Jain 谈企业内部搜索为什么比公开网络难,RAG(检索增强生成)为什么成败都取决于检索,以及当每位员工都有了 AI 助手,工作会是什么样子。
1:23:37EN → 简体中文前十名研究想法里有九个出自 Claude主持 Nathan Labenz斯坦福大学博士生 Chenglei Si 做了一项盲测,让 Claude 3.5 Sonnet 与一百多位自然语言处理(NLP)研究者比拼新颖的研究想法。
31:29EN → 简体中文Rippling 跳过聊天机器人,员工工作满 90 天就被打上标签主持 Sarah Guo, Elad Gil首席运营官(COO)Matt MacInnis 在《No Priors》中讲述 Talent Signal 如何读取源代码、工单和客户对话,然后给经理一个经过校准的标签:高潜力、一般,或需要关注。
50:33EN → 简体中文40% 的数据中心节能,始于一封以问号结尾的邮件Phaidra 创始人 Jim Gao 向红杉资本讲述,他在谷歌时受 AlphaGo 启发的一次尝试,如何变成了运行价值数十亿美元工厂的强化学习系统。
49:50EN → 简体中文无约束的智能体(Agent)风靡推特,真正上线的是定制版LangChain 创始人 Harrison Chase 向红杉资本的 Training Data 节目讲清楚:智能体到底是什么,AutoGPT 为何停滞,以及哪些认知架构(cognitive architecture)能真正投入生产。
39:00EN → 简体中文摩根大通掌握 150 PB 数据,GPT-4 的训练数据却不到 1 PB主持 Sarah Guo, Elad GilScale AI 创始人 Alexandr Wang 在《No Priors》节目中解释:为什么容易获取的互联网数据已经耗尽,为什么专家加模型的团队仍会胜出,以及为什么通往通用人工智能(AGI)的路更像攻克癌症,不像研制疫苗。
1:23:09EN → 简体中文AI 任务的合适大小,就是你能检查得了的那么大主持 Nathan LabenzElicit 联合创始人 Andreas Stuhlmüller 与 Jungwon Byun 讲述,一个十二人的研究助理如何把摘要中的幻觉数从 1.5 降到 0.5,大约每一周半发布一次更新,并把任务拆解视为在不依赖黑箱的前提下投入更多算力的办法。
1:28:37EN → 简体中文看完 GPT-4 演示 12 小时后,他让一家十年老的法律创业公司转了向主持 Nathan LabenzPablo Arredondo 是 CaseText 的联合创始人,现任汤森路透 CoCounsel 副总裁。他追溯了法律研究从 19 世纪的引证工具,一路走到以检索为锚的 GPT-4 产品;律师事务所把这款产品当作同事,而不只是搜索框。
38:48EN → 简体中文Shopify 为每位商家打造副驾,而非自动驾驶:Glen Coates 谈 AI 与产品主持 Sarah Guo, Elad GilShopify 核心产品副总裁 Glen Coates 谈如何合并重复的引擎、上线只提建议、从不擅自提交的 AI,以及如何让店铺搜索理解一件毛衣。
50:07EN → 简体中文量大价低胜过镀金战机:Anduril 的 Brian Schimpf 谈 AI 与国防主持 Sarah Guo, Elad GilAnduril 首席执行官谈 Lattice、校车大小的自主潜艇、乌克兰战争为何让战机损耗变得不可承受,以及如何真正把能力卖给五角大楼。
1:33:51EN → 简体中文GPT-4 写的 SQL 仍然跑不通。她给模型装上了一道护栏主持 Nathan LabenzShreya Rajpal 做了 Guardrails AI,让开发者能把“正确”的定义写下来,逐块校验,并把失败结果送回模型,而不是指望提示词靠得住。
42:18EN → 简体中文十分之一的搜索是健康问题,医生也在谷歌上查主持 Sarah Guo, Elad Gil谷歌研究员 Karan Singhal 谈 Med-PaLM 2、医疗语言模型真正的门槛,以及为什么医学是比聊天机器人更严苛的对齐实验场。
1:28:43EN → 简体中文临床指南只有约 11% 建立在 A 级证据上,Curai 创始人仍想把 GPT-4 请进诊室主持 Nathan LabenzCurai Health 的 Neal Khosla 认为,大语言模型在今天的考试中已经能达到美国医生的中位水平;真正的工作是外围框架(scaffolding)、监督和医生的签名。
58:24EN → 简体中文随机找 100 位医生,Zak Kohane 会惊讶于其中有人能胜过 GPT-4主持 Nathan Labenz哈佛医学院生物医学信息学系主任谈一例罕见的新生儿病例,为何像药物那样的试验无法为通用医疗模型做认证,以及 AI 为何仍应为患者服务。
58:26EN → 简体中文收件箱里有七成是推销:Matt Welsh 谈 AI 智能体的第一波浪潮主持 Nathan LabenzFixie.ai 创始人梳理了副驾驶(copilot)与委派(delegation)的区别、我们系统里缺失的“附肢”,以及为什么智能体(Agent)需要护栏、记忆卫生,或许还需要一只耳机。
1:56:16EN → 简体中文他们曾用人类充当 AI 替身,如今 250,000 人在用 Elicit主持 Nathan LabenzOught 的两位创始人告诉 Nathan Labenz:开放式推理必须被拆解、被监督、有据可依,而不能只是一味放大,直到看上去足够有说服力。
39:10EN → 简体中文最多只给五条链接:Perplexity 押注答案引擎主持 Sarah Guo, Elad GilPerplexity 成立于 2022 年 8 月,接受《No Priors》访谈时才刚满七个月。CEO 和 CTO 在节目中解释,答案引擎(answer engine)要如何挑战谷歌。
1:25:46EN → 简体中文别把工具做成智能体:Flo Crivello 谈生产级智能体真正需要什么主持 Nathan LabenzLindy 的 CEO 对 Nathan Labenz 说,大多数正在工作的智能体(Agent),其实是由人设计控制流的智能工作流;即便 AGI 到来,脚手架(scaffolding)可能依然重要。
48:52EN → 简体中文用户要的是更好的画笔,Runway 却做出了一键绿幕抠像主持 Sarah Guo, Elad GilRunway 首席执行官 Cristobal Valenzuela 谈为什么模型不等于产品,为什么电影人会去折腾一个每秒只能处理四帧的工具,以及在没人会因此丧命的场景里,为什么 80% 就够用。
1:28:46EN → 简体中文这家语音公司,靠给自己的训练数据做标注赚钱嘉宾 Dan Kokotov · 主持 Lex FridmanRev 工程副总裁 Dan Kokotov 向 Lex Fridman 讲解,为什么每分钟 1.25 美元的人工转录、14% 的机器词错率和双边自由职业者市场,是同一个飞轮。
1:30:52EN → 简体中文Cristos Goodrow:YouTube 并没有什么神秘算法,只有穿行于视频之间的人嘉宾 Cristos Goodrow · 主持 Lex FridmanYouTube 搜索与发现负责人向 Lex Fridman 解释,协同过滤如何自行学会了语言,为什么观看时长不等于满意度,以及为什么没人能预测一个视频会不会走红。
1:13:06EN → 简体中文洛克希德·马丁首席技术官谈自主、月球,以及“不出错”的文化嘉宾 Keoki Jackson · 主持 Lex Fridman洛克希德·马丁的 Keoki Jackson 告诉 Lex Fridman:重返月球是容易的部分,证明学习系统在任何情况下仍会做出正确的事,才是真正的难题。
32:45EN → 简体中文马斯克:驾驶员的每一次操作都是错误,特斯拉 Autopilot 必须消除嘉宾 Elon Musk · 主持 Lex FridmanMIT 发表了一项关于驾驶员使用 Autopilot 时功能性警觉的研究后,Lex Fridman 与马斯克坐下来,讨论车内摄像头、车队数据,以及人是否还应该留在驾驶回路里。
1:00:38ENThe Race Car and the Rulebook: Chris Gerdes on Automated Vehicle Safety主持 Lex FridmanA Stanford engineer and former DOT innovation chief explains how autonomous racing, voluntary safety guidance, and data sharing could shape safer self-driving cars.
加载更多已显示 24 篇,共 50 篇







