筛选结果
108 篇排序
54:53EN → 简体中文一个免费投票榜烧掉 200 万美元,之后却融到了 1 亿美元主持 Jacob EffronDatabricks 联合创始人 Ion Stoica 解释了 LMArena 为何存在,中国为何在开源(open source)模型上占据优势,以及为什么真正拖住 AI 的仍然是可靠性,而不是又一条规模定律(scaling law)。
33:18EN → 简体中文Zuckerberg 与 Nadella 谈 AI 编程、智能体和未来软件栈Matthew Berman, Mark Zuckerberg, Satya Nadella · Forward FutureMatthew Berman 解读两人在 2025 年 LlamaCon 上关于 AI 辅助开发、开放模型和工作流程变化的对话。
1:30:57EN → 简体中文蚂蚁集团 3200 亿美元 IPO 在最后一刻被叫停:Angela Zhang 谈中国科技的走钢丝主持 Nathan Labenz一位南加州大学法学教授梳理了支配中国科技的那套动态金字塔,从滴滴上市讲到 DeepSeek 的价格战,并解释了她为什么认为美国正开始越来越像中国。
45:06EN → 简体中文Mike Schroepfer:AI 的瓶颈是电力,一艘超级油轮装的聚变燃料就够美国用一年主持 Jacob EffronMeta 前首席技术官(CTO)对 Redpoint 说,超大规模云厂商(hyperscaler)的需求为何是气候故事的核心,Llama 的本质为何是一场“获取”布局,以及明天的 CTO 为何依然取决于优先级队列(priority queue)。
1:08:51EN → 简体中文芯片管制是为了争取十年,而非赢下 AI 竞赛主持 Nathan Labenz经济学家 Noah Smith 对 Nathan Labenz 说,美国的出口管制是针对中国的一种常规威慑手段,并非打残 DeepSeek 的计划。
2:33:39EN → 简体中文攻击者后出手:Nicholas Carlini 为什么总能攻破 AI 防御主持 Nathan Labenz谷歌 DeepMind 安全研究员谈简单的损失函数、70% 的稳健准确率,以及为什么修复必须落在系统层面,单靠模型本身不够。
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。
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。
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。
1:24:57EN → 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。
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。
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。
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。
35:30EN → 简体中文Reflection 70B:创作者解释其提出的自我修正方法Matthew Berman, Matt Shumer, Sahil Chaudhary · Forward Future一场发布日访谈中,Matt Shumer 和 Sahil Chaudhary 讨论合成数据、选择性反思和评估局限。
1:03:46EN → 简体中文Zico Kolter 谈 AI 安全、模型扩展与开放模型的边界嘉宾 Zico Kolter · 主持 Harry Stebbings这位 Carnegie Mellon 研究者和 OpenAI 董事解释了他为何担忧提示注入、如何看待开放权重,以及 AI 进展为何仍有不确定性。
42:59EN → 简体中文AWS 年化营收已达 1000 亿美元,Matt Garman 仍看到 10 倍的迁移空间主持 Sarah Guo, Elad Gil亚马逊云科技(AWS)的新任 CEO 向 No Priors 讲述:为什么 85% 的工作负载(workload)仍在本地部署,Bedrock 如何由三项押注搭建而成,以及为什么创业公司仍是公司的增长引擎。
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。
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。
44:08EN → 简体中文Mark Zuckerberg 谈 Llama 3.1、开放模型与 Meta 的 AI 战略Matthew Berman, Mark Zuckerberg · Forward FutureMatthew Berman 点评 Zuckerberg 2024 年关于开放权重 AI、安全、平台控制与个性化智能体未来的访谈。
1:54:01EN → 简体中文一个小网络长出了盐晶体,而训练数据里从来没有它主持 Nathan LabenzTim Duignan 用盐水训练了数万个参数。模型“发明”了一种晶体,还推出了一套连续介质溶剂理论(continuum solvent theory);而他读博期间花了整整一个博士阶段,也没能手工把这套理论写出来。
51:00EN → 简体中文Arthur Mensch:Mistral 的开放模型、算力与开发者战略嘉宾 Arthur Mensch · 主持 Harry StebbingsMistral AI 联合创始人解释公司如何结合开放和商业模型、应对算力限制,并押注高效的开发者工具。
1:42:17EN → 简体中文最便宜的推理服务商,才是最危险的主持 Nathan LabenzFireworks AI 的两位联合创始人 Lin Qiao 和 Dmytro Ivchenko 解释了补贴出来的 GPU 账单为什么会消失,低秩适配(LoRA)服务如何能把成本降低百倍,以及真正值得在意的对手为什么是 OpenAI。
加载更多已显示 24 篇,共 108 篇









