筛选结果
69 篇排序
23:48EN → 简体中文Satya Nadella:AI 需要零信任架构,企业应该拥有自己的智能嘉宾 Satya Nadella · 主持 Harry StebbingsMicrosoft 首席执行官认为,在对齐研究仍未解决的情况下,强大的智能体需要安全边界;他也解释了为什么企业应保留自身使用 AI 所创造的价值。
1:50:48EN → 简体中文为什么推理比训练重要 12 倍François Chaubard, Dan Fu, Jeff Morgan, Joe Fioti, Liangsheng Yin · Y CombinatorYC Paper Club 从一次 API 请求一路讲到 GPU kernel。Together AI、Ollama、Luminal 和 SGLang 的四场演讲认为:现在算力和钱大多压在推理服务质量上,而不只是训练 FLOPs。
25:50EN → 简体中文Kimi K3.1 Pro 实测:3D 演示出色,表现不一,价格有竞争力Matthew Berman · Forward FutureMatthew Berman 测试这款开放权重模型的编程、3D 渲染和视觉讲解能力,并比较基准成绩与价格。
2:00:51EN → 简体中文在每个 Token 处重新采样,就能看见模型怎样做决定主持 Nathan LabenzGoodfire 的 Eric Bigelow 谈分叉路径、上下文学习,以及为什么越来越难信任思维链(chain-of-thought)监控。
1:09:44EN → 简体中文1 万块 GB300 跑四周:Reflection 的开源模型账本主持 Sarah Guo, Elad GilMisha Laskin 在 No Priors 节目中讲述 Reflection 如何训练 Beam、为什么强化学习的投入超过了预训练,以及为什么西方需要自己的开源权重。
56:31EN → 简体中文后训练赢在推理:为什么掌控权重,胜过押注某一家实验室主持 Jacob EffronApplied Compute 的 CEO Yash Patil 认为,掌控权、私有评测,以及在最大的工作负载上做后训练,比担心前沿实验室变得恶意更重要。
2:06:11EN → 简体中文Lindy 跑在 DeepSeek 上,CEO 却主张禁用中国模型主持 Nathan LabenzFlo Crivello 向 Nathan Labenz 讲述 Lindy Teammate 如何住在 Slack 里、如何用两次模型调用就调出 20 亿个 token 的记忆,以及他为什么仍想禁止那些目前支撑着这款产品的廉价中国模型。
2:16:29EN → 简体中文从每月两篇到每月六十篇:两周中国行看到的 AI 安全主持 Nathan LabenzNathan Labenz 认为,那句耳熟能详的“中国绝不会慢下来”,一接触到中国真实的 AI 安全生态就站不住了。
51:31EN → 简体中文他们退还了将近 200 万美元,随后 Factory 的 CEO 讲起了“黑灯工厂”(dark factory)Matan Grinberg 谈自己早了两年的布局,为什么与模型无关的调度框架(harness)胜过实验室的联合设计,以及为什么很快就会有 90% 的编码 Token 在熄灯的状态下运行。
1:47:38EN → 简体中文19 个神经元就能开车,Liquid AI 想把基础模型装进每一块芯片主持 Nathan LabenzRamin Hasani 从线虫只有 300 个细胞的大脑讲起,一直讲到将在梅赛德斯-奔驰汽车里开口说话的 600 兆字节模型,并解释为什么如今的架构搜索,已经胜过那些凭经验拍板的“架构复仇者”。
1:06:36EN → 简体中文账单一夜翻倍,接下来 API 可能会消失主持 Jacob Effron隔了半年,Ari Morcos 和 Rob Toews 再次与 Jacob Efron 碰面,讲了为什么编程智能体终于能用了,为什么接近前沿的开放权重模型可能已经见顶,以及算力短缺为何可能让公开 API 被拔掉插头。
42:57EN → 简体中文推理是最后的市场:Baseten 的 30 倍增长之年主持 Sarah Guo, Elad GilCEO Tuhin Srivastava 谈十亿美元级的推理云、为什么应用层能活下来,以及比外界描述更严重的 GPU 短缺。
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。
4:25:13EN → 简体中文架构几乎没变,变的是数据、成本和开放权重主持 Lex FridmanNathan Lambert 和 Sebastian Raschka 带 Lex Fridman 回顾了这一年:训练方法和数据集的变化,远大于模型设计的变化。展望 2026 年,争论的焦点似乎是推理成本、智能体,以及真正开放的模型该归谁。
1:54:30EN → 简体中文癌细胞比例从 1/10 降到百万分之一主持 Nathan LabenzNathan Labenz 独自主持的 AMA(有问必答),更新了儿子淋巴瘤的治疗情况,称 Claude Opus 4.5 为软件层面的通用人工智能(AGI),并盘点了 2026 年初仍具竞争力的玩家。
1:16:21EN → 简体中文黄仁勋的年终论证:Token 成本可以降低十亿倍,工作岗位也不会因此消失主持 Sarah Guo, Elad Gil在 No Priors 节目里,英伟达 CEO 借放射科、开源和 2 万亿美元的研发预算,论证 2025 年那些极端说法都没有看到完整的技术栈。
1:18:40EN → 简体中文当 AI 成了油井:Luke Drago 谈“智能诅咒”(intelligence curse)主持 Nathan LabenzWorkshop Labs 联合创始人在未来生命研究所(FLI)的播客中讲述,非人类生产主导的世界为何可能重演资源诅咒(resource curse),以及私人数据、开放权重(open weights)和登月式的职业选择,或许仍能打破这一局面。
1:32:38EN → 简体中文波兰语只占前沿训练数据的 1%,所以波兰自己做了一个模型主持 Nathan Labenz波兰国家信息处理研究所的 Marek Kozlowski 讲解 PLLuM 如何借助语言适配、有机指令和本地部署的小模型,让一个中等规模的国家掌握自己的 AI。
1:09:48EN → 简体中文中国 AI 实验室从 15 家减到 6 家,算力差距是 15 比 1主持 Jacob EffronJordan Schneider 在《Unsupervised Learning》节目中说,中国的模型是私人资本的故事,北京仍然从硬件的角度看问题。西方真正的优势,在于它能够对外供应的芯片,并非什么国家统筹的总体规划。
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。
43:09EN → 简体中文Hugging Face 要为物理 AI 建应用商店:入门机械臂 100 美元,机器人 300 美元Thomas Wolf 在红杉资本的《Training Data》节目中谈到,LeRobot、廉价硬件和开放数据集,是 Hugging Face 押注软件开发者能够成为机器人工程师的赌注。
47:18EN → 简体中文追踪 200 家 GPU 云的分析师,把英伟达拆成了三头龙主持 Sarah Guo, Elad GilSemiAnalysis 创始人 Dylan Patel 谈 OpenAI 的开放权重(open-weight)模型、即将到来的新型 GPU 云(neocloud)大洗牌,以及一家芯片初创公司为什么必须同时在硬件、网络和软件上击败英伟达。
36:48EN → 简体中文DeepSeek 周末发布,白宫打来电话主持 Sarah Guo, Elad GilSriram Krishnan 在 No Priors 节目里讲解了美国的 28 页《AI 行动计划》、以 Token 份额定义的胜利,以及为什么美国对中国的领先小到不能视为理所当然。
2:14:55EN → 简体中文从 Character AI 到 1% 的预警事件:Gabriel Weil 主张用法律责任治理 AI主持 Nathan LabenzTouro University 法学教授在与 Nathan Labenz 的对谈中说明:过失责任、严格责任和惩罚性赔偿,可以如何让前沿实验室把公众风险当作落在自家资产负债表上的损失。
加载更多已显示 24 篇,共 69 篇








