筛选结果
8 篇排序
20:55EN → 简体中文
AI Engineer· 2026年10月26日Jesse Hall：语音智能体要为对话而优化，而非只看排行榜Jesse Hall · LiveKitLiveKit 的 Jesse Hall 解释了为什么语音智能体必须像实时系统一样接受评测：听清用户、允许打断、在工具调用期间继续对话，并在用户真正听到声音之前控制延迟。
18:31EN → 简体中文AI Engineer· 2026年10月25日Janie Gu 与 Suyeol Yun：为什么前沿模型做不好买方分析师Janie Gu, Suyeol Yun · Google DeepMindJanie Gu 解释了基准分数为何可能误导人；Suyeol Yun 则介绍 MandateBench，它测试模型能否把基金投资授权转化为有理有据的投资备忘录。两场分享说明，真实工作流程、可复现的评分和有证据支撑的推理为何至关重要。
15:27EN → 简体中文AI Engineer· 2026年10月25日如今的 AI 工程师做什么：为智能体构建完整闭环Aparna Dhinakaran · Arize AIAparna Dhinakaran 认为，AI 工程师的工作正从交付单个功能，转向构建能让智能体团队持续改进功能的系统。在 Arize，这意味着追踪智能体的行为、依据人类判断评估它的工作，并把这些信号反馈给持续运行的智能体。
17:42EN → 简体中文AI Engineer· 2026年10月21日更快的模型，真的更快吗？要看任务做完没有，而不是 token 有多快Morgan Suo · MiniMaxMiniMax 的 Morgan Suo 逐一拆解 M3.1 Flash 内部的工程改动，追问用户真正关心的问题：分析师要的那份活，是不是真的做得更快、更便宜、也更对了？
25:56EN
No Priors: AI, Machine Learning, Tech, & Startups· 2024年7月11日播客 · 2 人对谈A Prompt Cannot Hold a Good Design: Six AI Practitioners at Midyear 2024主持 Sarah Guo, Elad GilSarah Guo and Elad Gil stitch together clips from Stripe, Figma, Figure, OpenAI's Sora team, Cognition, and Scale into a half-year snapshot of what people actually shipping AI were willing to claim.
26:00ENNo Priors: AI, Machine Learning, Tech, & Startups· 2024年6月11日播客 · 2 人对谈Why a Zapier founder thinks AGI research has been stalled for four years主持 Sarah Guo, Elad GilMike Knoop and François Chollet put more than a million dollars on beating ARC-AGI, the eval they say actually measures general intelligence.
24:32ENNo Priors: AI, Machine Learning, Tech, & Startups· 2024年4月18日播客 · 2 人对谈Image Generation Is Still a Loot Box. Suhail Doshi Wants to Scale Pixels主持 Sarah Guo, Elad GilThe Playground AI founder tells No Priors why he skipped language models, how a noise-sampling trick fixed SDXL's muddy brightness, and what a large vision model would actually do.
27:32ENNo Priors: AI, Machine Learning, Tech, & Startups· 2024年3月28日播客 · 2 人对谈From a side project to 700 integrations: Harrison Chase on what still blocks agents主持 Sarah Guo, Elad GilThe LangChain CEO walks through a two-year churn of patterns, and why memory, planning, and few-shot data still matter more than swapping models.