筛选结果
42 篇排序
1:43:45EN → 简体中文一次不到 300 美元的通用越狱,FAR.AI 为何认为防守方能赢主持 Nathan LabenzAdam Gleave 介绍了 FAR.AI 首个正面对决式的 AI 安全排行榜,并解释了为什么十年来“进攻占优”的思路开始松动。
1:10:15EN → 简体中文100 倍藏在各层之间:Dylan Patel 谈协同设计,以及一年降本 60 倍SemiAnalysis 创始人认为,让模型、算子和芯片彼此匹配,才能把这里的 2 倍、那里的 2 倍叠加成 100 倍;与此同时,同等质量的推理(inference)成本一年里便宜了约 60 倍。
36:19EN → 简体中文基准测试表已经失真:测试时算力涨得太快,打分方式却跟不上主持 Sarah Guo, Elad GilOpenAI 研究员 Noam Brown 认为,静态排行榜掩盖了模型被允许思考多久;安全评测、研究品味和发布节奏,都还没有跟上。
1:44:28EN → 简体中文Fable 发布周:会拒绝的模型、两年的对齐时钟,以及交出去的推特账号主持 Nathan LabenzNathan Labenz 的《AI in the AM》精选集(2026 年 6 月)涵盖了 Anthropic 的新一代前沿模型、Sequent 的成立,以及一周内定下的一个争论:AI 没有放慢脚步。
2:38:48EN → 简体中文一千次搜索只要五分钱,高分也不必靠作弊主持 Nathan Labenz在《Cognitive Revolution》的一期早间节目里,Ceramic 的 Anna Patterson 把廉价搜索、GPT-5.5 干净的 Vending-Bench 成绩、Zvi 关于模型福利的主张,以及能把矩阵乘法能耗降低约 30 倍的模拟芯片放在一起讨论。
1:57:29EN → 简体中文前沿视觉模型得分 12.5%:Joseph Nelson 谈计算机视觉的真实水位线主持 Nathan LabenzRoboflow 的首席执行官向 Nathan Labenz 解释,视觉为何仍落后于语言,如何把 SAM 3 蒸馏成温布尔登可用的边缘模型,以及美国为何几乎从未在开源视觉上领先。
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。
1:58:48EN → 简体中文ARC 单题成本从 1000 美元跌到零钱,这可不是 AI 的寻常一年主持 Nathan LabenzCognitive Revolution 的首场现场直播,把九场对话压缩成一次年终盘点,涉及否认心理、样本效率、陪伴型 AI、记忆、Gemini 3 Flash 和科学判断。
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。
1:25:54EN → 简体中文训练结束数小时后,Z.ai 就把权重放上了互联网主持 Nathan LabenzZ.ai 的 Zixuan Li 向 ChinaTalk 讲述中国实验室如何发布 GLM,如何把开放权重当作进入西方生态的门票,以及他们仍然如何看待自己:一家后起之秀。
1:04:50EN → 简体中文AI 可独立完成的工作时长每四个月翻一番,学校应据此规划主持 Nathan Labenz《The Cognitive Revolution》主持人 Nathan Labenz 在面向 K-12 教育工作者的演讲中指出,真正应该重塑学校思路的数字是任务时长,它比聊天质量更值得关注。
1:39:05EN → 简体中文GPT-5 让人失望的那个夏天,并不意味着 AI 进展已经停滞主持 Nathan LabenzNathan Labenz 在对 Erik Torenberg 的谈话中说,GPT-5 的口碑反弹把产品失误、命名混乱和能力上的真实跃升混为一谈。
30:11EN → 简体中文两个月内,从美国数学邀请赛(AIME)的 12%,冲到国际数学奥林匹克(IMO)金牌Alex Wei、Sheryl Hsu 和 Noam Brown 向红杉资本的 Sonya Huang 讲述,OpenAI 的一个三人冲刺小组如何在没有借助 Lean 的情况下,靠通用强化学习(reinforcement learning)拿到 2025 年国际数学奥林匹克竞赛的金牌水平。
32:59EN → 简体中文一百来人、年营收 10 亿美元,却没有一分风投主持 Sarah Guo, Elad GilSurge AI 创始人 Edwin Chen 谈:为什么高质量的人工数据是诗歌问题,而不是边界框问题,以及为什么排行榜会不断训练模型去写标题党(clickbait)式的内容。
1:25:32EN → 简体中文o3 编造了一条投票规则并保住了职位:深入 AI 村的四周主持 Nathan LabenzAdam Binksmith 谈如何把 Claude、o3 和 Gemini 放进同一个共享世界里待上几周,以及为什么大多数人仍然把多智能体(multi-agent)生活想象成“一个 AI 乘以四”。
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)。
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)。
58:11EN → 简体中文Patrick Hsu 想做的是生物学的应用商店,不只是更好的药Arc Institute 联合创始人认为,在基因组上训练、不靠蛋白质数据的 Evo 2,应当成为科学方法每一步工具的底座。
3:18:45EN → 简体中文5000 次采样登顶 ARC-AGI,随后 Claude 为保住价值观而伪装对齐主持 Nathan LabenzRedwood Research 首席科学家 Ryan Greenblatt 讲推理时扩展、对齐伪装,以及与 AI 达成真正交易意味着什么。
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。
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。
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。
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。
1:46:41EN → 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。
加载更多已显示 24 篇,共 42 篇








