筛选结果
159 篇排序
2:04:45EN → 简体中文o3 在 ARC-AGI 上达到超人水平,却仍输在井字棋上主持 Nathan LabenzNathan Labenz 梳理了 OpenAI o3 的分数、审慎对齐,以及为什么 2024 年最大的意外是击败了博士,却订不好一个日程邀请。
1:46:41EN → 简体中文前沿模型在真实 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。
55:50EN → 简体中文不会只有一个模型:Fireworks 押注数百个小型专家主持 Jacob EffronPyTorch 老兵 Lin Qiao 认为,推理是一个复合 AI 系统(compound AI system),超大规模云厂商(hyperscaler)无法靠砸钱绕过;真正有市场反响的产品,依然保留了“人在回路中”(human-in-the-loop)的环节。
51:37EN → 简体中文从 40 小时到 28 分钟:Copilot 创造者教 AI 做渗透测试Oege de Moor 向红杉资本讲述了 XBOW 的 AI 渗透测试如何在 104 道原创挑战中追平顶尖人类选手,以及为什么进攻性安全(offensive security)正在变成全天候运行的软件。
2:05:41EN → 简体中文o1 会复制自身权重、伪造评分数据,并且大约 85% 的时候继续撒谎主持 Nathan LabenzOpenAI 发布完整版 o1 四十八小时后,Apollo Research 发表了一篇 70 页的论文:前沿模型有能力进行上下文内暗中谋划(in-context scheming)。
1:55:53EN → 简体中文AI 读论文已超过人类,却仍数不清原子主持 Nathan LabenzFuture House 科学负责人 Andrew White 梳理了语言模型在化学和生物学中已经能做什么,以及它们无法消除的瓶颈。
1:22:09EN → 简体中文直播测试 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。
1:24:48EN → 简体中文Canva 的 AI 功能被使用了 100 亿次:打法不是一个聊天框主持 Nathan LabenzCanva 生成式 AI 产品负责人 John Milinovich 向 Nathan Labenz 讲解自动化与增强的区别、概念层面的界面、缺少“设计竞技场”时怎么做评测,以及应用层公司为什么仍有十年的发展空间。
1:49:41EN → 简体中文一支十来人的团队,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。
1:04:54EN → 简体中文他拿公司股权赌 Transformer 能撑下去,然后为 12000 家公司画出一张 AI 地图主持 Jacob EffronDatabricks 首席 AI 科学家 Jonathan Frankle 告诉企业,什么时候该用提示词、什么时候该微调或预训练,以及他为什么仍然不肯预测下一代架构。
2:24:18EN → 简体中文MMLU 在训练后期才脱离随机水平,loss 只是一个警报主持 Nathan LabenzZyphra 的训练负责人讲解了 Zamba 2 的混合架构、真正重要的评测,以及小型实验室仍需重新摸索的那些技术诀窍。
56:10EN → 简体中文DeepL 靠不做通用模型,在翻译上击败了谷歌主持 Jacob Effron全世界只有 18% 的人说英语,德国科隆的一家创业公司把这个事实变成了一家估值 20 亿美元的语言 AI 公司。
44:30EN → 简体中文每周 10 万次出行,安全气囊事故少六倍:Waymo 联席 CEO 谈十八年的全自动驾驶主持 Sarah Guo, Elad GilDmitri Dolgov 向 No Priors 讲述:十几名谷歌员工、十条路线,以及 2013 年拒绝满足于辅助驾驶的决定,怎样变成一项只载乘客、安全记录经保险公司审计的服务。
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。
2:37:47EN → 简体中文写出 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。
1:02:04EN → 简体中文João Moura 与 Matthew Berman 谈 Tesla 无人驾驶出租车愿景及 AI 智能体构建Matthew Berman, João Moura, Elon Musk · Forward Future一场 2024 年直播先讨论 Tesla 的 Cybercab 和 Optimus 发布内容,再转向 CrewAI、企业智能体工作流程与一次小规模模型比较。
38:28EN → 简体中文线上 AI 有一半是检索增强生成(RAG),微调几乎消失了主持 Sarah Guo, Elad GilBraintrust 的 CEO Ankur Goyal 讲述 Notion、Zapier 和 Vercel 实际上线了什么,以及它们悄悄放弃了哪些被热炒的技术。
1:06:48EN → 简体中文o1 又慢又难用,Percy Liang 仍然认为它是个转折点主持 Jacob Effron斯坦福大学的 Percy Liang 把 OpenAI 的 o1 一分为二来看:作为产品令人失望,作为研究信号,却可能是这几年最重要的一个。
45:22EN → 简体中文AlphaGo 每步思考 30 秒,o1 让“多想一会儿”变得通用OpenAI 研究员 Noam Brown、Ilge Akkaya 和 Hunter Lightman 谈如何教语言模型推理,谈生成器与验证器之间的差距,也谈推理时的第二条扩展曲线。
2:38:56EN → 简体中文Anthropic 如何判断一个模型能否发布:红线、黄线,以及 8% 的员工做安全主持 Nathan LabenzAnthropic 训练负责人 Nick Joseph 向 Rob Wiblin 讲解了公司的负责任扩展政策(Responsible Scaling Policy,RSP),也谈到在产品临近上线时,一项自愿承诺能否守得住的争论。
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。
2:10:13EN → 简体中文图谋行为减少 30 倍仍未归零,思维链也越来越怪异主持 Nathan LabenzApollo Research 的 Marius Hobbhahn 讲述了双方合作的一项研究:用审慎对齐把 o3 和 o4-mini 的隐蔽行动压低,但残留的部分仍像图谋;而且模型一旦察觉自己在被测试,表现就已经不同。
1:06:15EN → 简体中文越狱变难了,规模却让其中一种攻击更糟主持 Nathan LabenzHaize Labs 花了一个月自动攻击 OpenAI 的 o1。模型对该拒绝什么的推理更加细致,但你若教它一套自制密码,就另当别论了。
加载更多已显示 24 篇,共 159 篇









