筛选结果
101 篇排序
52:30EN → 简体中文第 37 手看起来像 bug,大语言模型(LLM)仍需要自己的 AlphaZero 时刻Ioannis Antonoglou 从 AlphaGo 聊到 Reflection AI:谈自我对弈、可靠性,以及为什么算力仍然能买来智能。
52:06EN → 简体中文领英花五年做图神经网络,她想让任何公司四周内就看到价值Kumo 联合创始人 Hema Raghavan 认为,图一直就存在于企业的数据仓库表格里;而类似 SQL、带有 predict 子句的查询语言,才让普通企业真正用得上它。
1:00:05EN → 简体中文如果别人做出了更好的 Spark 产品,我们理应输掉Ion Stoica 讲述 Databricks 如何把学术开源项目变成一家数据与 AI 公司,以及他认为哪些问题明天会比今天更重要。
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。
38:48EN → 简体中文谁想和报销单聊天?Ramp CEO Eric Glyman 向红杉资本说明,聊天机器人的淘金热为何找错了方向,以及企业财务更贴切的类比是 Waymo:自动驾驶的资金。
1:03:07EN → 简体中文推理能力两年没怎么动,Dust 仍为一位客户省下 8000 小时Dust 联合创始人 Gabriel Hubert 与 Stanislas Polu 谈多模型智能体(Agent)、在产品与市场契合(product-market fit)之前不买 GPU,以及从计算器式工具到随机性工具的跃迁。
51:38EN → 简体中文Clay 要做市场拓展团队的吉他,而不是微波炉Kareem Amin 向红杉资本的 Alfred Lin 解释,为什么 Clay 做的是增长用的行动系统,而不是取代销售开发代表(SDR)的 AI。
46:35EN → 简体中文他们 20 小时训练出实时视频模型,绕过了游戏引擎Decart 的 CEO Dean Leitersdorf 向红杉讲述了 Oasis 如何在 H100 上实时运行,为什么 ChatGPT 更像是被跨过的一堵墙,而不只是一个痛点的解法,以及下一家万亿美元公司或许是一种生成出来的体验。
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。
41:42EN → 简体中文神经网络仍在等待它的热力学OpenAI 研究员 Dan Roberts 谈物理学家为什么不断转向 AI,以及这个领域为什么至今仍缺少相当于理想气体定律的东西。
32:07EN → 简体中文十人团队、一次点击,以及两年的假截止日期NotebookLM 的产品负责人和设计负责人解释,一个基于来源(source-grounded)的研究工具如何变成爆红的双主持人播客生成器,以及他们决定暂不添加什么功能。
59:30EN → 简体中文GPT-4 答错一半数据问题,Snowflake 的解法是系统设计直接用现成模型处理企业数据,可靠度大约只有 45%,也就是每两个答案里就有一个是错的。
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。
39:45EN → 简体中文Harmonic 的押注:直接教 AI 数学,2029 年前黎曼猜想就会被攻克Robinhood 的 Vlad Tenev 与 Harmonic 联合创始人 Tudor Achim 向红杉资本讲述:为什么数学就是推理,为什么 Lean 是验证器,以及为什么他们不愿坐等数学能力从规模中自然涌现。
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。
51:15EN → 简体中文通用人工智能只剩一个难题:在单个 Token 上多花一百万倍的算力Magic 创始人 Eric Steinberger 在红杉资本 Training Data 节目中说明:他为什么要自己训练模型,为什么软件工程师是通用人工智能(AGI)的 MVP,以及为什么 96% 仍然算不上同事。
1:12:31EN → 简体中文裸模型只能完成 35% 的航班改签,Sierra 的代理能处理 70% 的真实工单Clay Bavor 谈为什么直接把原始大语言模型放在客户面前行不通,以及 AgentOS、监督代理和按结果收费,如何改变这笔账。
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。
39:18EN → 简体中文同等规模下开源与闭源将打平:PyTorch 前负责人谈快速推理Meta 一次原计划六个月的库替换,最后变成了五年的重建。Lin Qiao 希望整个行业能在五周内拿到这套技术栈。
1:07:34EN → 简体中文GitHub 起初不信,Copilot 已写下 25% 的代码GitHub 首席执行官 Thomas Dohmke 向红杉资本讲述:一个计划外的 GPT-3 实验如何变成 Copilot,GitHub 为何至今仍不自己训练基础模型(foundation model),以及他希望到 2030 年让十亿人写软件。
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。
51:36EN → 简体中文Klarna 的 AI 接替了 700 个客服岗位,秘诀在于那本手册Klarna 首席执行官 Sebastian Siemiatkowski 向红杉资本讲述:一次愿意给 OpenAI 当“小白鼠”的押注、一条争议处理队列里的 Slack 消息,以及为一位会失忆的员工写的文档,如何带来了 4000 万美元的利润。
1:07:05EN → 简体中文AlphaGo 把学习和搜索结合在一起,语言模型只做到了前一半Reflection AI 的 Misha Laskin 向红杉资本解释,为什么靠提示词驱动的编程智能体(Agent)总卡在十几个百分点,以及缺失的那一块为什么仍然是真值奖励(ground-truth reward)。
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”。
加载更多已显示 24 篇,共 101 篇









