筛选结果
252 篇排序
5:06:18EN → 简体中文DeepSeek 宣称训练成本仅 500 万美元,背后是一场关于算力的五年赌注主持 Lex FridmanDylan Patel 与 Nathan Lambert 带着 Lex Fridman 梳理了 DeepSeek-V3 与 R1、出口管制、台积电、超大集群,以及在 AI 竞赛中究竟谁能赚到钱。
6:44EN → 简体中文测试 DeepSeek Janus-Pro 的图像理解与生成能力Matthew Berman · Forward FutureMatthew Berman 借助赞助商提供的云 GPU 演示,用图表、表情包和图像提示词测试这款 7B 多模态模型。
7:41EN → 简体中文CES 2025 见闻:在 RTX 5090 上运行 DeepSeek R1 蒸馏模型Matthew Berman · Forward FutureMatthew Berman 参观 CES 的人工智能演示,并在 NVIDIA GPU 上本地运行两个量化的 DeepSeek R1 蒸馏模型。
1:00:02EN → 简体中文Jonathan Ross 谈 DeepSeek、开放模型与 AI 基础设施嘉宾 Jonathan Ross · 主持 Harry StebbingsGroq CEO 讨论报道中的训练成本、推理需求、竞争策略以及围绕 AI 的安全担忧。
5:27EN → 简体中文体验 DeepSeek R1 的方式:托管与本地蒸馏模型Matthew Berman · Forward FutureMatthew Berman 演示 DeepSeek 聊天、Groq 托管的蒸馏版,以及 LM Studio 本地模型。
20:34EN → 简体中文DeepSeek R1 与 AI 成本和算力之争Matthew Berman · Forward FutureMatthew Berman 分析 2025 年各界对 DeepSeek 的反应,涉及训练效率、市场损失、开放权重、隐私及需求反弹的可能性。
1:48:20EN → 简体中文从 15% 到 70%:DeepSeek-R1 把强化学习的底牌摊了出来主持 Nathan Labenz2025 年美国总统就职日当天,DeepSeek 和月之暗面放出了推理模型的成果。在 Nathan Labenz 看来,这证明强化学习的配方简单、公开,而且仍在持续攀升。
0:55EN → 简体中文RTX 5090 本地 AI 简测Matthew Berman · Forward FutureMatthew Berman 在本地运行一个 8B DeepSeek R1 蒸馏模型,并报告一次生成的速度。
15:10EN → 简体中文测试 DeepSeek R1 的编程、推理与敏感问题回答Matthew Berman · Forward FutureMatthew Berman 在云端 GPU 上运行完整 R1 模型,测试游戏编程、推理谜题和政治敏感提示词。
8:52EN → 简体中文业界对 DeepSeek R1 于 2025 年发布的反应Matthew Berman · Forward FutureMatthew Berman 回顾 DeepSeek R1 发布初期的反应,涉及开放权重推理模型、本地硬件、基准结果和 API 价格。
1:24:57EN → 简体中文50000 块 GPU 的上限,和 1700 块芯片的漏洞主持 Jacob EffronSemiAnalysis 创始人 Dylan Patel 梳理 AI 扩散规则、中国的算力困境,以及 xAI 如何在孟菲斯一座封闭的家电工厂里搭起一个 100000 块 GPU 的集群。
12:15EN → 简体中文DeepSeek-R1:开放权重推理模型、基准结果与初步测试Matthew Berman · Forward FutureMatthew Berman 评析 DeepSeek 于 2025 年 1 月发布的模型,对比报告中的基准成绩和价格,并尝试几个推理提示词。
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。
3:53:49EN → 简体中文数据只有十二分之一,一个开源视觉模型击败了 GPT-4o主持 Nathan LabenzVeratai 的 Will Hardman 带 Nathan Labenz 梳理了两年来的视觉语言模型(VLM),从 ViT 和 CLIP 讲到 InternVL、BLINK 和 Transfusion。
1:57:00EN → 简体中文毁灭概率低于 1%:OpenAI 的 roon 为何相信好人会先拿到 AGI主持 Nathan Labenz《Doom Debates》主持人 Liron Shapira 追问 OpenAI 技术人员 roon 关于灭绝概率、默认对齐,以及连他自己也承认如同在剃刀铁丝上保持平衡的计划。
27:07EN → 简体中文英伟达月增千亿美元市值后,黄仁勋说公司卖的是整座数据中心主持 Sarah Guo, Elad GilSarah Guo 和 Elad Gil 把 2024 年《No Priors》里最喜欢的几场对谈剪成年终合集,片段涵盖英伟达、Karpathy、Sierra、Sora、Waymo、Figma 和 Scale。
6:16EN → 简体中文在云端 GPU 上使用 ComfyUI 运行 Stable Diffusion 3.5Matthew Berman · Forward Future在一段由 Vultr 赞助的 2024 年教程中,Matthew Berman 配置 GPU 实例并用 ComfyUI 生成图片。许可、安全和价格还需要结合演示以外的信息考虑。
27:54EN → 简体中文2024 年 12 月 AI 新闻:Genie 2、世界模型、MCP 与新产品Matthew Berman · Forward FutureMatthew Berman 盘点早期交互式世界模型、语音和视频工具、QwQ、分布式训练及 Amazon Nova 的发布。
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。
0:28EN → 简体中文比较三个本地编程模型Matthew Berman · Forward FutureMatthew Berman 介绍一项赞助比较:在工作站上运行 DeepSeek Coder V2、Yi-Coder 和 Qwen Coder。
11:56EN → 简体中文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。
12:50EN → 简体中文三款本地编程模型比较:游戏与编程挑战Matthew Berman · Forward FutureMatthew Berman 在赞助提供的工作站上运行 DeepSeek-Coder-V2 Lite、Yi-Coder 9B 和 Qwen2.5-Coder 7B。它们在不同任务中的结果不一,测试还包含人工修正。
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。
10:39EN → 简体中文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。
加载更多已显示 24 篇,共 252 篇









