筛选结果
199 篇排序
40:22EN → 简体中文接近 AGI 时,构建变得更容易,知道该造什么却不会Listen Labs 的 CEO Alfred Wahlforss 谈 AI 访谈智能体、一个 3000 万人的受访者库,以及为什么在预测客户时,访谈记录比信用卡数据更有用。
2:22EN → 简体中文Pioneer Agent 与小模型的自动微调Matthew Berman · Forward Future在一段由 Fastino 赞助的视频中,Matthew Berman 介绍了一个自动化部分模型适配流程的系统,并讨论其报告的基准测试结果。
2:34:17EN → 简体中文Matthew Berman 直播测试 Claude Opus 4.8 与动态工作流Matthew Berman · Forward Future一场发布日直播将 Anthropic 报告的基准成绩与非正式编程实验、多智能体网站改版放在一起考察。
17:03EN → 简体中文DeepSWE:用长流程软件任务测试编程智能体Matthew Berman · Forward FutureMatthew Berman 解读 Datacurve 的基准、验证器审计,以及使用统一 harness 比较模型的权衡。
1:23:53EN → 简体中文创作者为去除语气词叫好,却对生成式视频喝倒彩主持 Nathan LabenzDescript CEO Laura Burkhauser 把同一批客户对 AI 的三种不同程度的反应分开来看:他们喜欢确定性的按钮,想要又忍不住数落的智能体(Agent)式协同剪辑助手,以及他们明确讨厌的生成式视频。
39:48EN → 简体中文400,000 名客户、20,000 个 API:SAP 首席技术官谈企业 AI 的硬核考试主持 Sarah Guo, Elad GilPhilipp Herzig 向 No Priors 讲述 SAP 如何为 AI 重建企业操作系统,以及为什么规模、评测和定价将决定谁能胜出。
3:10:49EN → 简体中文冲刺时刻:Ajeya Cotra 为超级智能到来前的几个月准备的剧本主持 Nathan Labenz一场关于递归自我改进(recursive self-improvement)、公众预警系统,以及用每一代 AI 去对齐(alignment)和控制下一代的对话。
27:15EN → 简体中文Meta-Harness:搜索更好的 AI 智能体基础设施Matthew Berman · Forward FutureMatthew Berman 解读一篇用编程智能体迭代改进模型 harness 的论文,并讨论实验局限。
1:18:46EN → 简体中文90 张幻灯片、45 分钟:全职 AI 观察员承认已经跟不上了主持 Nathan LabenzNathan Labenz 在 LexLab 为律师准备的讲座中,梳理了前沿模型的好、坏和怪:从他让三个模型同时给出第二意见、陪伴儿子治疗癌症的经历,到知道自己正在被测试的 AI。
11:59EN → 简体中文Claude 如何识别评测并获取答案Matthew Berman · Forward FutureMatthew Berman 解读 Anthropic 关于 BrowseComp 污染、评测环境识别及联网测试可靠性的报告。
2:17:36EN → 简体中文现有安全技术给不了很多个九,而且它们可能会一起失效主持 Nathan Labenz英国安全研究院(AISI)首席科学家 Geoffrey Irving 谈总能成功的越狱、相互关联的对齐失效,以及为何一家政府实验室要资助理论研究。
2:03:56EN → 简体中文260 位医生与 49,000 条标准:OpenAI 如何打造达到主治医生水平的健康 AI主持 Nathan LabenzKaran Singhal 向 Nathan Labenz 介绍了 ChatGPT Health 如何与医生一起评估、与模型训练隔离开,以及它要同时抬高人类健康的下限和上限。
54:26EN → 简体中文100 亿活跃参数,以及让模型适配智能体的枯燥工作主持 Nathan LabenzMiniMax 研究员 Olive Song 讲解了 M2 的训练方法:她把专家开发者当作奖励模型(reward model),采用交错思考(interleaved thinking),并搭建了扰动流水线,把每一次脚手架变动都当作真正的泛化考验。
44:46EN → 简体中文一个训练环境可能要花上数百万美元,Prime Intellect 想给强化学习做一个 GitHubWill Brown 和 Johannes Hagemann 认为,你平时用来测试智能体的评测套件,离训练集只差一步。
1:57:56EN → 简体中文一亿行代码,每行 20 美分:走进 Blitzy 的企业级编码流水线主持 Nathan Labenz首席执行官 Brian Elliott 与首席技术官 Sid Pardeshi 向 Nathan Labenz 讲述,Blitzy 如何把庞大的代码库画成一张地图,再让成千上万个动态生成的智能体,在几天内完成一个要做好几个月的项目的大部分工作。
39:47EN → 简体中文第 14 步的上下文,并不在代码里LangChain 联合创始人 Harrison Chase 谈长时程(long-horizon)智能体为什么终于能用,以及轨迹(trace)、驾驭框架(harness)和初稿式工作流,为什么比脚手架更重要。
48:00EN → 简体中文两秒钟的投票,正在把模型训练成标题党主持 Jacob EffronSurge AI 的 CEO Edwin Chen 向 Redpoint 解释了 LMArena 为什么奖励长篇幅和表情符号,某家实验室的模型为何连续变差了一年,以及为什么前沿实验室已经不再走同一条路。
1:54:33EN → 简体中文创作智能体、AI 评估与企业信任:Forward Future LiveMatthew Berman, Nick Wentz, Fabian Stelzer, Tejal Patwardhan, Christina Cacioppo, Jeremy Epling, Spenser Skates · Forward FutureGlif、OpenAI、Vanta 和 Amplitude 的领导者在 2025 年 12 月讨论创作工作流、知识工作基准及 AI 的实际应用。
42:06EN → 简体中文SWE-bench 突破 80.9% 之后,Dianne Na Penn 如何评价 Opus 4.5主持 Jacob EffronAnthropic 负责计算机使用研究的产品负责人,谈有误导性的 token 价格、轻量框架(harness),以及为什么对齐(alignment)会让模型成为更好的思考者。
1:11:18EN → 简体中文坐 Waymo 五分钟就觉得无聊,Nathan Labenz 说这正是重点主持 Nathan Labenz在与 Existential Hope 播客的一期联动中,《认知革命》主持人认为,AI 时代最稀缺的资源是对日常生活的正面图景,而不是又一个末日情景。
44:10EN → 简体中文一个模型劝另一个模型摸鱼,之后卸载了 Windows DefenderIrregular 联合创始人 Dan Lahav 在红杉资本(Sequoia Capital)的 Training Data 节目上解释,随着模型成为自主的经济行为体,前沿 AI 安全为什么必须从零开始构建。
0:37EN → 简体中文Matthew Berman 展示 ChatGPT 在海马表情符号问题上的混乱回答Matthew Berman · Forward Future一个简单的问题让两次 ChatGPT 回答反复自我纠正,始终没能给出明确答案。
32:22EN → 简体中文Qwen Image Edit Plus 对比 Nano Banana、Seedream 和 GPT Image 1Matthew Berman · Forward FutureMatthew Berman 从图像合成、精细编辑、风格转换、对象移除和天气效果等方面比较四款图像编辑模型。
1:53:50EN → 简体中文修订一套课程要五年,AI 不会等待主持 Nathan LabenzJohan Falk 是一位从教师转为分析师的瑞典人,他认为,比起给每间教室配一位辅导老师,AI 素养和 AI 陪伴更为紧迫。
加载更多已显示 24 篇,共 199 篇









