筛选结果
12 篇排序
1:29:02EN → 简体中文从每天 50 个设计到 1500 个:AI 如何改变了捷豹路虎的探索范围主持 Nathan LabenzNeural Concept 的 Thomas von Tschammer 谈专业物理模型、工程副驾(engineering copilot),以及为什么一级方程式赛车(Formula 1)已经能在一夜之间跑完上千种设计。
1:37:43EN → 简体中文思科想给网络再加两层,好让智能体共享意图主持 Nathan LabenzOutshift by Cisco 的 Vijoy Pandey 认为,超级智能必须靠智能体(Agent)网络横向扩展,光把模型做大、往上堆,走不远。
2:06:23EN → 简体中文五台 Mac Mini 上住着五名 AI 员工主持 Nathan Labenz卖掉 YC 包装公司之后,Jesse Genet 第一次打开终端,搭起了一支 OpenClaw 团队。如今它负责备课、记录孩子的学习过程,也让家里的夜晚不至于被低质内容占满。
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。
1:32:47EN → 简体中文Transformer 论文共同作者想做一个无人持有的 1.6 亿美元模型主持 Nathan LabenzIllia Polosukhin 在节目中向 Nathan Labenz 讲述,NEAR 如何把一个支付难题,变成了一整套用于隐私推理、收益共享式训练和 AI 智能体的技术栈,而这些智能体仍然要向法院负责。
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。
1:01:53EN → 简体中文人类只写了 1.3% 的 Token,AI 实验室仍然设计出有效的纳米抗体主持 Nathan Labenz斯坦福大学的 James Zou 介绍了一个基于 GPT-4o 的研究小组,他们用不到 100 美元搭出了一条蛋白质设计流程。另有一个稀疏自编码器(SAE),从 ESM-2 中提取出一个没有文献记载的蛋白基序(motif)。
1:21:50EN → 简体中文16K 的上下文窗口只能放下约 350 行,这就是表格需要智能体的原因主持 Nathan LabenzGretel AI 创始人 Alex Watson 向 Nathan Labenz 讲述:为什么大多数公司的数据仍然是一张电子表格,为什么 GPT-4 是生成这些数据的错误工具,以及差分隐私(differential privacy)如何让模型学会一种疾病,却不学会某个病人。
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。
1:45:46EN → 简体中文Replit 每月 10 美元的 AI 程序员已经回本,野心则是机器人雇用机器人主持 Nathan LabenzReplit 的第一位产品设计师 Tyler Angert 讲解了虚拟开发者 Ghostwriter,以及公司为何自称是通用人工智能(AGI)的完美基底。
1:40:44EN → 简体中文给模型时间、记忆和工具:Nathan Labenz 2023 年 GPT-4 使用指南主持 Nathan Labenz《AI Scouting Report》第二部分,从 H100 集群和 RLHF 一路讲到思维链、检索、智能体和混合专家模型。
1:21:06EN → 简体中文大家都在谈人类反馈强化学习(RLHF),几乎没人真的在做主持 Nathan LabenzHumanloop 的 CEO Raza Habib 谈,为什么一个大语言模型(LLM)的 API 大概只占可用产品的 5%,而其余部分究竟由什么填满。








