筛选结果
22 篇排序
35:19EN → 简体中文SallyAnn DeLucia:如何编写你的第一个 AI 评估SallyAnn DeLucia · Arize AI从智能体的真实追踪记录中提炼具体的通过与失败标准,再构建一个能测试、能与人工判断对齐,并能在生产环境运行的大模型裁判。
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。
1:18:49EN → 简体中文如果 AGI 是廉价的智能劳动力,网络防御就该变成持续取证主持 Nathan LabenzAsymmetric Security 创始人 Alexis Carlier 认为,如果假设 AGI 会出现,就应该围绕主动式数字取证重新设计防御,把重心从告警分诊转过来。
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。
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。
44:21EN → 简体中文Mercor CEO:知识型工作的下一个岗位是写评测主持 Jacob EffronBrendan Foody 向 Redpoint 讲述,Mercor 如何靠 AI 招聘和专家数据拿到一轮 1 亿美元的融资,以及他为什么认为很大一部分白领工作会变成为模型编写测试。
51:19EN → 简体中文Sal Khan 的 15 美元 AI 家教用户已达 140 万,让孩子真正用起来才是产品主持 Jacob Effron可汗学院创始人在 Redpoint 的节目中讲到:为什么 AI 家教仍然无法独自教会大多数学生,以及在 860 亿美元的补课热潮之后,学区为什么愿意每人每年付 15 美元。
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。
1:33:01EN → 简体中文罕见病并不罕见:哈佛基因猎人如何用 o1-pro 处理测序漏掉的病例主持 Nathan Labenz波士顿儿童医院的 Catherine Brownstein 博士解释了为什么便宜的基因组让她的工作更难了,为什么数据共享仍然胜过任何模型,以及 ChatGPT Pro 究竟在哪些地方为她省回了时间。
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)。
1:29:00EN → 简体中文1.4 万人报名,33 人入选:这些岗位在国土安全部主持 Nathan Labenz美国国土安全部(DHS)AI Corps 主任 Michael Boyce 向 Nathan Labenz 介绍,美国政府最大的民用 AI 团队是怎样组建起来的,以及它已经做出了哪些东西。
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。
1:23:37EN → 简体中文前十名研究想法里有九个出自 Claude主持 Nathan Labenz斯坦福大学博士生 Chenglei Si 做了一项盲测,让 Claude 3.5 Sonnet 与一百多位自然语言处理(NLP)研究者比拼新颖的研究想法。
1:23:09EN → 简体中文AI 任务的合适大小,就是你能检查得了的那么大主持 Nathan LabenzElicit 联合创始人 Andreas Stuhlmüller 与 Jungwon Byun 讲述,一个十二人的研究助理如何把摘要中的幻觉数从 1.5 降到 0.5,大约每一周半发布一次更新,并把任务拆解视为在不依赖黑箱的前提下投入更多算力的办法。
1:28:37EN → 简体中文看完 GPT-4 演示 12 小时后,他让一家十年老的法律创业公司转了向主持 Nathan LabenzPablo Arredondo 是 CaseText 的联合创始人,现任汤森路透 CoCounsel 副总裁。他追溯了法律研究从 19 世纪的引证工具,一路走到以检索为锚的 GPT-4 产品;律师事务所把这款产品当作同事,而不只是搜索框。
1:33:51EN → 简体中文GPT-4 写的 SQL 仍然跑不通。她给模型装上了一道护栏主持 Nathan LabenzShreya Rajpal 做了 Guardrails AI,让开发者能把“正确”的定义写下来,逐块校验,并把失败结果送回模型,而不是指望提示词靠得住。
1:28:43EN → 简体中文临床指南只有约 11% 建立在 A 级证据上,Curai 创始人仍想把 GPT-4 请进诊室主持 Nathan LabenzCurai Health 的 Neal Khosla 认为,大语言模型在今天的考试中已经能达到美国医生的中位水平;真正的工作是外围框架(scaffolding)、监督和医生的签名。
58:24EN → 简体中文随机找 100 位医生,Zak Kohane 会惊讶于其中有人能胜过 GPT-4主持 Nathan Labenz哈佛医学院生物医学信息学系主任谈一例罕见的新生儿病例,为何像药物那样的试验无法为通用医疗模型做认证,以及 AI 为何仍应为患者服务。
58:26EN → 简体中文收件箱里有七成是推销:Matt Welsh 谈 AI 智能体的第一波浪潮主持 Nathan LabenzFixie.ai 创始人梳理了副驾驶(copilot)与委派(delegation)的区别、我们系统里缺失的“附肢”,以及为什么智能体(Agent)需要护栏、记忆卫生,或许还需要一只耳机。
1:56:16EN → 简体中文他们曾用人类充当 AI 替身,如今 250,000 人在用 Elicit主持 Nathan LabenzOught 的两位创始人告诉 Nathan Labenz:开放式推理必须被拆解、被监督、有据可依,而不能只是一味放大,直到看上去足够有说服力。
1:25:46EN → 简体中文别把工具做成智能体:Flo Crivello 谈生产级智能体真正需要什么主持 Nathan LabenzLindy 的 CEO 对 Nathan Labenz 说,大多数正在工作的智能体(Agent),其实是由人设计控制流的智能工作流;即便 AGI 到来,脚手架(scaffolding)可能依然重要。
1:00:38ENThe Race Car and the Rulebook: Chris Gerdes on Automated Vehicle Safety主持 Lex FridmanA Stanford engineer and former DOT innovation chief explains how autonomous racing, voluntary safety guidance, and data sharing could shape safer self-driving cars.








