筛选结果
251 篇排序
1:18:09EN → 简体中文Steeve Morin 谈人工智能推理、芯片与切换硬件的成本嘉宾 Steeve Morin · 主持 Harry StebbingsZML 创始人解释训练与生产推理的区别,并分享他对人工智能硬件市场竞争的看法。
2:36:13ZH松琳解读 DeepSeek、Kimi 与 MiniMax 的注意力新论文嘉宾 Songlin Yang(松琳) · 主持 张小珺从动态稀疏注意力到线性注意力混合架构:三条长上下文路线如何兼顾训练、推理与硬件效率
1:25:52EN → 简体中文Jonathan Ross:Groq、推理经济性与 AI 基础设施竞赛嘉宾 Jonathan Ross · 主持 Harry StebbingsGroq 首席执行官解释他对推理芯片的押注、将公司的架构与 GPU 比较,并讨论扩大规模所需的融资和电力。
22:32EN → 简体中文那 550 万美元只是最后一公里主持 Sarah Guo, Elad Gil在 No Priors 的第 100 期节目里,Sarah Guo 和 Elad Gil 把 DeepSeek 论文上写的成本,与背后真正的算力投入分开来看,然后梳理了 OpenAI 的 Deep Research、星际之门(Stargate),以及他们对 2025 年的押注。
2:49:35ZH潘嘉怡解读 R1、o1 与 Kimi K1.5:强化学习如何教模型学会推理嘉宾 潘嘉怡 · 主持 张小珺伯克利博士生潘嘉怡带读 DeepSeek、OpenAI 与 Kimi 的推理模型报告,拆解长思维链、GRPO、奖励设计与蒸馏。R1-Zero 的“顿悟时刻”展示了推理策略如何在强化学习中涌现。
1:50EN → 简体中文Coveo 的 Sébastien Paquet 讨论的五个 AI 趋势Matthew Berman · Forward FutureMatthew Berman 总结一场 2025 年访谈,涉及生产系统、小模型、智能体与信任。
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。
1:40:22EN → 简体中文20 原子晶体教会 AI 心跳的物理学主持 Nathan LabenzOrbital Materials 的 Jonathan Godwin 和 Tim Duignan 向 Nathan Labenz 讲述,一个在微小晶体上训练的神经网络,如何在一块 2017 年款 GPU 上模拟了钾离子通道。
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。
30:29EN → 简体中文研究者如何理解 o1 式推理模型Matthew Berman · Forward FutureMatthew Berman 解读一篇关于策略初始化、奖励、搜索和强化学习的综述,以及推理模型面临的开放问题。
1:27:13ZH李想:汽车将从交通工具进化为空间机器人嘉宾 李想 · 主持 张小珺理想汽车 CEO 李想谈公司为何从造车走向人工智能:基座模型是 AI 时代的操作系统,汽车是进入物理世界的重要载体。对他而言,技术路线最终要落实为更好的用户体验、能力与长期价值。
1:07:32EN → 简体中文o1 已是新一代模型,通用人工智能(AGI)到来那天可能平淡无奇主持 Jacob EffronOpenAI 前首席研究官 Bob McGrew 谈:为什么 o1 是 100 倍的跨越,为什么智能体(Agent)会卡在可靠性上,以及为什么 AGI 可能以办公室里的琐碎事务降临,而没有一个惊天动地的时刻。
48:18EN → 简体中文Noam Brown:没有硬墙,只有八个数量级的余地主持 Jacob Effron一次 ChatGPT 查询大约一分钱。他说,社会最关心的那些问题,值一百万美元。
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。
5:15:00EN → 简体中文Dario Amodei:这部规模化电影他已经看过太多遍嘉宾 Dario Amodei · 主持 Lex FridmanAnthropic 首席执行官给前沿模型的训练成本和 AGI 算了账,随后把话筒交给塑造 Claude 性格、并研究其权重内部结构的人。
0:35EN → 简体中文探访 IBM:Granite 模型、InstructLab 与量子计算Matthew Berman · Forward FutureMatthew Berman 预告一段关于 IBM 小型 AI 模型、模型定制和量子研究的长视频。
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。
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。
1:19:00EN → 简体中文Eiso Kant 谈 Poolside、算力与软件开发 AI嘉宾 Eiso Kant · 主持 Harry StebbingsPoolside 首席技术官解释代码执行反馈、模型开发成本以及公司在 AI 竞赛中的抱负。
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。
9:15EN → 简体中文Llama 3.2 增加视觉能力与更小的端侧模型Matthew Berman · Forward Future在一段与 Meta 合作的 2024 年视频中,Matthew Berman 解读该模型系列、工具及一次托管的 1B 模型简短演示。
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。
1:18:32EN → 简体中文一个能分辨哪些基因碰不得的 DNA 模型主持 Nathan Labenz斯坦福大学的 Brian Hie 讲解混合架构、一个只用 DNA 训练的基因组尺度语言模型,以及一种结合紧密程度比天然抗体高 25 倍的抗体。
加载更多已显示 24 篇,共 251 篇







