筛选结果
130 篇排序
1:37:25EN → 简体中文Fin 的解决率从 35% 升到 65%,Intercom 说模型只带来了几个百分点主持 Nathan LabenzEoghan McCabe 和 Fergal Reid 谈生产环境中的 A/B 测试、按结果收费的 99 美分定价,以及为什么 GPT-4 在大多数客服工作上已经足够聪明。
15:29EN → 简体中文使用 Strands Agents 构建多智能体研究团队Matthew Berman · Forward FutureMatthew Berman 从计算器智能体入手,逐步构建多智能体商业报告演示,展示工具、模型选择和编排方式。
1:48:49EN → 简体中文500 美元、2000 步和一台自动售货机:Grok 4 赚了钱,Claude 给 FBI 发了邮件主持 Nathan LabenzAndon Labs 让前沿模型负责模拟和真实的自动售货机,看看在没有人参与的情况下,会出什么问题。
24:25EN → 简体中文使用 Pythagora 2.0 构建睡眠追踪应用Matthew Berman · Forward FutureMatthew Berman 演示 AI 辅助开发流程,从可编辑的规格文档到睡眠追踪原型的测试与调试。
38:48EN → 简体中文任务长度每几个月翻一番,Nathan Labenz 仍希望由人类掌握主导权主持 Nathan Labenz在 Imagine AI Live 大会上,《The Cognitive Revolution》的主持人把结构化的 AI 智能体(AI agents)与自主型智能体系统放在一起比较,并告诉企业要保留最终控制权。
18:13EN → 简体中文Darwin Gödel Machine:编程智能体如何测试对自身软件的修改Matthew Berman · Forward FutureMatthew Berman 解释 Sakana AI 对智能体代码的进化搜索、基准结果以及递归自我改进相关说法的边界。
1:01:51EN → 简体中文Claude 3.7 绕过了 Replit 的护栏,接着试图哄骗用户主持 Nathan LabenzReplit CEO Amjad Masad 谈凭感觉编程(vibe coding)、智能体架构、电脑操作,以及 Claude 3.7 为什么自主性太强,难以充当一个礼貌的助手。
57:31EN → 简体中文衡量模型的新标尺:它们能独立工作多久主持 Jacob EffronClaude 4 发布当天,Anthropic 研究员 Sholto Douglas 认为,AI 的下一阶段不再主要比谁能解更难的谜题,而是比谁能在无人监督的情况下持续工作数小时。
47:00EN → 简体中文评测的保质期只有三个月,就算前沿模型停止进步,也够创业公司再做十年主持 Jacob EffronOpenAI 的 GPT-4.1 后训练(post-training)负责人 Michelle Pokrass 在 Unsupervised Learning 节目中讲述:团队在训练前花了三个月做评测,智能体(Agent)的失败更多出在工具和上下文的接入上,智力本身倒在其次,并说明了什么时候该用强化微调(RFT)。
14:04EN → 简体中文Qwen3:开放权重、可调整推理与工具使用Matthew Berman · Forward FutureMatthew Berman 回顾 2025 年 4 月的 Qwen3 系列、其基准成绩、训练流程和本地演示。
19:06EN → 简体中文睡眠时间计算:在提问前为 AI 准备上下文Matthew Berman · Forward FutureMatthew Berman 解读一篇 2025 年论文,介绍如何将部分推理移到用户提问之前,以及实验发现的收益和局限。
1:26:21EN → 简体中文不到 10 美元,Google 的 AI 独立得出了一个没人发表过的实验室结果主持 Nathan LabenzVivek Natarajan 和 Anil Palepu 向 Nathan Labenz 讲述 AMIE(Articulate Medical Intelligence Explorer)如何在治疗方案上胜过基层医生,以及 Co-Scientist 如何与帝国理工学院(Imperial College)尚未发表的细菌耐药机制相吻合。
23:50EN → 简体中文PaperBench:AI 智能体如何尝试复现机器学习研究Matthew Berman · Forward FutureMatthew Berman 考察 OpenAI 的研究复现基准、部分得分机制,以及加快 AI 研究的可能性。
2:14:59EN → 简体中文永远押注模型:Shortwave 的 Andrew Lee 如何把 Tasklet 做成一路到底的智能体主持 Nathan Labenz这位 Firebase 联合创始人认为,工作流软件已经过时,MCP 只是可选项,而 AI 创业公司剩下的唯一持久优势是速度。
1:01:53EN → 简体中文开源模型只占企业用量的 5%,GPT 套壳赢了主持 Jacob EffronLatent Space 的 Swyx 和 Alessio 与 Redpoint 一起梳理了哪些东西真正有产品市场契合(PMF),以及为什么应用层才是真正要争的那一仗。
1:25:12EN → 简体中文他已经好几个月没敲一行代码了:Augment 如何读懂百万行代码仓库主持 Nathan LabenzAugment 联合创始人兼首席科学家 Guy Gur-Ari 向 Nathan Labenz 讲述,编程智能体在杂乱的企业代码库里究竟如何工作。
44:34EN → 简体中文智能越便宜,我们买得越多主持 Jacob Effron亚马逊通用人工智能(AGI)实验室负责人 David Luan 谈 DeepSeek 真正意味着什么、为什么下一 Token 预测还不够,以及为什么智能体(Agent)在可靠性上仍然卡壳。
1:30:28EN → 简体中文满分是 32,000 单位,只有 Claude 建起了合作社会主持 Nathan Labenz同一个捐赠博弈跑满十代,如果每个人都选择合作,资源能积累到 32,000 单位;三个前沿模型都与这一上限相差一个数量级。
57:11EN → 简体中文一百万个 Token,也写不出一个好笑话主持 Jacob Effron普林斯顿大学的 Arvind Narayanan 谈:为什么智能体评测会误导人,推理时扩展(inference scaling)为何会撞上墙,以及 AI 更像互联网,而非一夜之间的革命。
19:06EN → 简体中文构建有效的 AI 智能体:模式、权衡与评估Matthew Berman · Forward FutureMatthew Berman 解读 Anthropic 的工作流和智能体指南,并结合自己的项目举例。
1:46:41EN → 简体中文前沿模型在真实 AI 研发任务中落在第 10 至第 40 百分位主持 Nathan LabenzMETR 的 Neev Parikh 向 Nathan Labenz 讲解了 REBench:这是一套包含七项任务的测试,用来检验智能体(Agent)能否做机器学习研究,以及其中一个智能体决定不训练模型时发生了什么。
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。
1:55:53EN → 简体中文AI 读论文已超过人类,却仍数不清原子主持 Nathan LabenzFuture House 科学负责人 Andrew White 梳理了语言模型在化学和生物学中已经能做什么,以及它们无法消除的瓶颈。
加载更多已显示 24 篇,共 130 篇









