筛选结果
70 篇排序
1:29:02EN → 简体中文她从不读取你的一行数据,答案准确率仍能过 95%主持 Nathan LabenzIllumex 首席执行官 Inna Tokarev Sela 向 Nathan Labenz 讲述:一个只用元数据训练的柏拉图式行业本体(ontology),如何把企业软件坍缩成一场对话。
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。
2:29:04EN → 简体中文让程序员留在驾驶座上:Cursor 创始人谈 Tab、智能体(Agent)与零熵编辑嘉宾 Cursor Team · 主持 Lex FridmanMichael Truell、Aman Sanger、Sualeh Asif 和 Arvid Lunnemark 向 Lex Fridman 讲述了他们为什么要分叉 VS Code、Tab 和 Apply 究竟如何运作,以及为什么大多数编程仍然需要人类实时迭代。
1:09:09EN → 简体中文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。
23:52EN → 简体中文2024 年 9 月 AI 新闻:算力集群、智能体与 AI 支付Matthew Berman · Forward FutureMatthew Berman 回顾未来模型的早期报道、Minecraft 模拟、混合现实设备和智能体交易。
37:47EN → 简体中文从通用人工智能(AGI)倒推:Magic 的 500 万 token 赌注主持 Sarah Guo, Elad GilEric Steinberger 想要的是一位你能像信任队友一样信任的编程同事,以及 AGI 之后三十年仍然美好的世界。
46:09EN → 简体中文Oriol Vinyals:把九成算力烧在预训练上的日子屈指可数了主持 Sarah Guo, Elad GilGoogle DeepMind 研究副总裁 Oriol Vinyals 谈 Gemini、长上下文、从预训练转向强化学习(RL)的即将到来,以及通用人工智能(AGI)为什么可能永远没有终点线。
1:21:53EN → 简体中文HippoRAG 以十分之一的在线成本,追平迭代检索主持 Nathan Labenz受海马体启发的知识图谱,让多跳(multi-hop)问题可以跳过蛮力式的文档爬梳。
27:37EN → 简体中文Leo Pekelis:如何将 Llama 3 扩展至百万 token 上下文Matthew Berman, Leo Pekelis · Forward FutureGradient 首席科学家解释长上下文训练、编程场景、推理成本,以及为何检索基准只能说明部分问题。
36:20EN → 简体中文1 亿个 Token 塞进上下文要花 1000 万美元,Tengyu Ma 算了检索增强生成(RAG)的账主持 Sarah Guo, Elad Gil这位斯坦福教授、Voyage AI 创始人(founder)认为,企业管理私有知识应当靠检索,不必靠超大的上下文窗口(context window)。
29:09EN → 简体中文超大规模云厂商投入 2000 亿美元,下一个瓶颈是一座发电厂主持 Sarah Guo, Elad GilSarah Guo 和 Elad Gil 聊了音乐模型、端侧大语言模型、长上下文,以及 AI 资本开支为什么如今可以和石油、宽带建设相提并论。
0:59EN → 简体中文Anthropic 的多样本越狱研究Matthew Berman · Forward FutureMatthew Berman 解读一项 2024 年的研究:较长的示例序列如何让某些语言模型更可能绕过安全防护。
1:27:01EN → 简体中文三百万封邮件、十次大语言模型(LLM)调用、六个模型:Shortwave 的检索增强生成(RAG)实战手册主持 Nathan LabenzFirebase 创始人 Andrew Lee 向 Nathan Labenz 拆解检索技术栈,这套技术让一个 Gmail 收件箱变成了能干活的 AI 助手。
18:47EN → 简体中文Anthropic 的多样本越狱研究发现了什么Matthew Berman · Forward FutureMatthew Berman 回顾一项 2024 年长上下文安全失效研究及其所测试防御措施的局限。
27:32EN → 简体中文从业余项目到 700 个集成:Harrison Chase 谈仍在卡住智能体(Agent)的问题主持 Sarah Guo, Elad GilLangChain 的 CEO 回顾了两年间设计模式的反复更替,并解释了为什么记忆、规划和少样本(few-shot)数据,仍比更换模型更重要。
30:39EN → 简体中文NVIDIA GEAR 研究、Gemini 1.5 与高速 AI 推理Matthew Berman · Forward FutureMatthew Berman 回顾具身智能体研究,以及 2024 年 2 月的一系列 AI 发布和演示。
31:28EN → 简体中文给 GPT-4 外接一个记忆,幻觉最多可减少 50%主持 Sarah Guo, Elad GilPinecone 首席执行官 Edo Liberty 向 Sarah Guo 和 Elad Gil 讲述,检索增强生成(RAG)、无服务器(serverless)向量数据库(vector database),以及把知识放在模型之外,如何让大语言模型(LLM)更可靠。
42:07EN → 简体中文Notion 的 Ivan Zhao:RAG 会让整理信息变得可有可无主持 Sarah Guo, Elad GilNotion 首席执行官在 No Priors 节目中讲述了他为什么把公司押在 GPT-4 上,为什么嵌入(embedding)和智能体(Agent)同样重要,以及软件为什么正在进入捆绑周期。
1:43:07EN → 简体中文一个智能体(Agent)发了五条推文,5000 人没有一个察觉主持 Nathan LabenzMultiOn 创始人 Div Garg 在 Cognitive Revolution 节目中讲解了 2024 年初网页智能体(web agent)的实际能力与成本,以及为什么护栏必须放在模型之外。
46:36EN → 简体中文做了十年代码搜索后,Sourcegraph 的 CTO 认为代码 AI 的竞争发生在模型之外主持 Sarah Guo, Elad GilBeyang Liu 讲 Cody,讲关键词搜索为何仍然承担着检索增强生成(RAG)的大部分工作,以及随着 AI 压缩中间件,计算机基础知识为何变得更有价值。
1:53:08EN → 简体中文GPT-4 写 SQL,四张表就是崩溃点主持 Nathan LabenzJuan Sequeda 谈为什么知识图谱(knowledge graph)是基础模型(foundation model)所缺的那个准确、可解释的“大脑”。
1:18:39EN → 简体中文那位 GPT-4 红队(red-teaming)测试员,靠一份平平无奇的提纲摆脱了卡壳主持 Nathan LabenzDan Shipper 向 Nathan Labenz 演示,如何把 ChatGPT 当作思考时的副驾驶;让它替自己代写文字,则是另一回事。
1:25:11EN → 简体中文105 行代码、100 万次曝光,和一位不肯创办公司的风投主持 Nathan LabenzBabyAGI 的作者 Yohei Nakajima 向 Nathan Labenz 讲述,一个周末的原型如何掀起了智能体(Agent)浪潮,以及他为什么又回去做投资了。
1:26:30EN → 简体中文这些数据大多从未进过数据库:Chroma 战时 CTO 谈 RAG主持 Nathan LabenzAnton Troynikov 重返《认知革命》,主张检索质量主要取决于嵌入(embedding),Chroma 应当掌控检索增强生成(RAG)的整个闭环;GPT 则仍然通不过一项基础推理测试:康威的“生命游戏”(Game of Life)。
加载更多已显示 24 篇,共 70 篇









