筛选结果
226 篇排序
21:02EN → 简体中文
Matthew Berman· 2024年12月24日OpenAI 2024 年 o3 预览版引发的反应：基准、成本与局限Matthew Berman · Forward FutureMatthew Berman 综述外界对 o3 预览版的反应，从数学基准到关于 AGI、算力和可靠性的争论。
1:46:41EN → 简体中文
Cognitive Revolution "How AI Changes Everything"· 2024年12月21日播客前沿模型在真实 AI 研发任务中落在第 10 至第 40 百分位主持 Nathan LabenzMETR 的 Neev Parikh 向 Nathan Labenz 讲解了 REBench：这是一套包含七项任务的测试，用来检验智能体（Agent）能否做机器学习研究，以及其中一个智能体决定不训练模型时发生了什么。
26:23EN → 简体中文Matthew Berman· 2024年12月20日OpenAI 发布 o3：基准测试进展与 AGI 之问Matthew Berman, Sam Altman, Mark Chen, Greg Kamradt, Hongyu Ren · Forward FutureMatthew Berman 回顾 2024 年 12 月 o3 和 o3-mini 的发布，包括编程、数学与 ARC-AGI 成绩。他认为这些结果证明了 AGI，但基准测试本身无法确立这一结论。
9:00EN → 简体中文Matthew Berman· 2024年12月20日Best-of-N 越狱：2024 年反复变换提示词的研究发现Matthew Berman · Forward FutureMatthew Berman 解读研究，探讨反复变换输入如何暴露文本、视觉和音频模型的安全失效。
52:21EN → 简体中文Matthew Berman· 2024年12月7日SWE-bench 团队谈编程智能体、评估与编程的未来Matthew Berman, Kilian Lieret, Ofir Press, Carlos E. Jimenez · Forward FutureKilian Lieret、Ofir Press 和 Carlos Jimenez 解释真实 GitHub issue 如何成为基准，以及界面设计如何塑造 SWE-agent。
1:22:09EN → 简体中文Matthew Berman· 2024年12月5日直播测试 ChatGPT o1 Pro：谜题、代码与更多推理的成本Matthew Berman · Forward FutureMatthew Berman 用观众提出的问题测试 OpenAI 新推出的每月 200 美元套餐，遇到了缓慢回复、简单成功案例和错误的数独结论。
1:49:41EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2024年11月21日播客一支十来人的团队，在 Meta 的底座上追平了 Meta 的后训练主持 Nathan LabenzNathan Lambert 讲解 Tulu 3：三阶段配方、1% 与 14% 的教训，以及开放的后训练（post-training）如今为何取决于数据与评测。
14:50EN → 简体中文Matthew Berman· 2024年11月19日2024 年 11 月 AI 新闻：Mistral、Gemini、核安全与医疗 AIMatthew Berman · Forward FutureMatthew Berman 回顾 Le Chat 更新、模型排名、核安全措施和一项诊断推理研究。
14:05EN → 简体中文Matthew Berman· 2024年11月15日MIT 研究：测试时训练提升 ARC 谜题成绩Matthew Berman · Forward FutureMatthew Berman 解读一篇 2024 年论文：语言模型在推理时针对每道谜题进行适配，再将预测与程序合成结果结合。
11:56EN → 简体中文Matthew Berman· 2024年11月3日IBM Granite 3.0 与 InstructLab：面向企业 AI 的小模型Matthew Berman · Forward FutureMatthew Berman 回顾 IBM 2024 年的模型家族及其添加领域知识的方法。IBM 与他合作制作本视频并邀请他参加活动。
10:39EN → 简体中文Matthew Berman· 2024年10月29日Zamba2-7B：混合 Mamba 与 Transformer 的模型编程和推理测试Matthew Berman · Forward FutureMatthew Berman 将 Zyphra 的效率声明与自己的非正式测试作比较，涵盖 Python 游戏、空间谜题和简单文字任务。
12:29EN → 简体中文Matthew Berman· 2024年10月25日测试更新版 Claude 3.5 Sonnet：编程、推理与视觉Matthew Berman · Forward FutureMatthew Berman 用 Python 游戏、逻辑谜题和图片测试 2024 年 10 月的模型，结果有好有坏，部分评分也存在争议。
18:28EN → 简体中文Matthew Berman· 2024年10月23日Claude 3.5 Sonnet 的 2024 年电脑操作测试版：演示与局限Matthew Berman · Forward FutureMatthew Berman 回顾 Anthropic 更新的模型，展示测试版智能体如何通过截图和工具操作使用软件。
1:23:37EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2024年10月23日播客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。
2:37:47EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2024年10月19日播客写出 GELU 的实习生，如今想出“人类最后的考试”主持 Nathan LabenzDan Hendrycks 谈激活函数、五年期的基准测试（benchmark）、扩大规模也无法消除的越狱，以及为什么要层层叠加防御，因为没有哪一层防御值得完全信任。
2:25:53EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2024年10月16日播客GPT-4 基础模型自我介绍，75% 的回答都在谈 AI主持 Nathan LabenzOwain Evans 向 Michael Trazzi 解释了为什么情境感知和语境外推理是欺骗性对齐的先行指标，以及为什么一个几乎没有自我认知的预训练模型，仍然不断谈论自己是 AI。
9:38EN → 简体中文Matthew Berman· 2024年10月15日Liquid Foundation Models：厂商基准与实际测试Matthew Berman · Forward FutureMatthew Berman 回顾 Liquid AI 在 2024 年提出的模型和内存主张，再用编程、逻辑和指令遵循提示测试 40B 预览版。
26:43EN → 简体中文Matthew Berman· 2024年10月10日测试 OpenAI o1 的规划、规则遵循与空间推理能力Matthew Berman · Forward FutureMatthew Berman 回顾一项 2024 年的初步研究，比较 o1-preview、o1-mini 和 GPT-4 在六类规划任务中的表现。
1:09:09EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2024年10月2日播客SWE-bench 拿下 30%：Cosine 如何教 Genie 像工程师那样思考主持 Nathan LabenzAlistair Pullen 向《Latent Space》讲述：Cosine 如何还原人类解决问题的过程，用数十亿 token 做微调（fine-tuning），并在软件工程领域最难的公开测试之一上拿下了最高分。
11:14EN → 简体中文Matthew Berman· 2024年9月18日Pixtral 12B：测试一款 2024 年的视觉语言模型Matthew Berman · Forward FutureMatthew Berman 在赞助商提供的云 GPU 上，对 Mistral 的 Pixtral 进行非正式图像、文本和界面生成测试。
18:09EN → 简体中文Matthew Berman· 2024年9月17日2024 年 9 月 AI 新闻：Copilot、NotebookLM、o1 与世界模型Matthew Berman · Forward FutureMatthew Berman 回顾一周的 AI 动态，涵盖办公助手、音频概览、基准测试、视频生成与空间 AI。
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。
21:21EN → 简体中文Matthew Berman· 2024年9月12日OpenAI o1 的 2024 年发布：推理基准与早期测试Matthew Berman · Forward FutureMatthew Berman 回顾 o1-preview、o1-mini、OpenAI 报告的评估结果，以及他自己的早期编程实验。
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。加载更多已显示 24 篇，共 226 篇