筛选结果
83 篇排序
18:31EN → 简体中文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。
26:41EN → 简体中文Anekha Sokhal 谈 Moshi:给大宗商品交易员用的推荐引擎嘉宾 Anekha Sokhal · 主持 swyxMoshi 创始人向 swyx 讲述她会怎样重做交易员的工作流:把市场数据、内部文件和互相打架的信源连在一起,再把人们本来会错过的二阶效应推过来。难的不是仪表盘,是让人真的用起来。
1:25:00EN → 简体中文Eric Mannes:如何将杂乱的外部数据用于交易研究Yaron Minsky, Eric Mannes · Jane Street从商品期货和 Excel 风险系统,到时点数据集和 AI,Eric Mannes 解释 Jane Street 数据工程背后的领域知识。
52:27EN → 简体中文二十多个警察局拒绝之后,他们做出了一家反网络效应的 AI 公司威斯康星州的一个县有一桩悬案,积压着 300 GB 的材料,而 Peregrine 的创始人至今仍不肯邀功。
34:51EN → 简体中文谷歌花 1000 万美元买下一家破产航空公司的数据,这就是护城河主持 Sarah Guo, Elad GilEon 联合创始人 Ofir Ehrlich 和 Gonen Stein 认为,模型和算力都只是可以租用的通用商品,企业真正能留住的资产只有数据。
1:05:02EN → 简体中文Joon Sung Park:模拟人类行为与创建 Simile嘉宾 Joon Sung Park · 主持 Harry StebbingsSimile 联合创始人解释他对生成式智能体的研究、验证模拟的挑战,以及围绕人物建模创建企业的愿景。
1:02:42EN → 简体中文Mercor 的 Osvald Nitski:AI 训练数据、产品与客户集中度嘉宾 Osvald Nitski · 主持 Harry StebbingsMercor 产品负责人讨论公司如何向 AI 实验室提供专家数据、设计人才平台,以及计划如何触达更多企业客户。
1:34:29EN → 简体中文Jacob Baskin:构建 Superstore 与调度 HiveYaron Minsky, Jacob Baskin · Jane Street这位 Jane Street 工程师回顾分布式分析数据库背后的设计选择,以及为不断扩大的研究集群分配资源的挑战。
1:14:12EN → 简体中文Brendan Foody:Mercor、AI 数据与未来工作嘉宾 Brendan Foody · 主持 Harry StebbingsMercor CEO 讨论安全事件、数据提供商的经济模式、企业智能体及 AI 对就业的不确定影响。
40:56EN → 简体中文前五大国防主承包商中有四家,硬件测试仍在用 PowerPointNominal 的两位联合创始人认为,硬件领域没有享受过去二十年的软件基础设施建设,在测试数据汇集到一处之前,物理 AI 会停滞不前。
1:04:51EN → 简体中文1.25 亿个细胞用了十年,下一个十亿只需几个月主持 Nathan Labenz扎克伯格与 Priscilla Chan 谈,如何把前沿生物学实验室与前沿 AI 实验室结成对子,让模型用为它们专门设计的数据来训练。
1:25:57EN → 简体中文Matt Fitzpatrick:让企业 AI 真正运作、专家数据与部署嘉宾 Matt Fitzpatrick · 主持 Harry StebbingsInvisible Technologies CEO 介绍如何验证 AI 部署、寻找专家并构建客户专属工作流程。
1:18:05EN → 简体中文AI 研究的真正瓶颈是算力,缺的不是点子主持 Jacob EffronNeurIPS 之后,Ari Morcos 和 Rob Toews 与 Jacob Effron 坐下来争论:模型是否遇到平台期、SSI 的保密、OpenAI 的烧钱,以及几项尖锐的 2026 年押注。
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。
1:32:38EN → 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。
1:17:01EN → 简体中文Jonathan Siddharth 谈 AI 训练数据、企业智能体与工作的未来嘉宾 Jonathan Siddharth · 主持 Harry StebbingsTuring CEO 讨论强化学习环境、企业部署,以及他对 AI 改变软件和就业的预期。
39:16EN → 简体中文500 副手套、1000 万条轨迹与一台 1 万美元的家用机器人主持 Sarah Guo, Elad GilSunday Robotics 联合创始人 Tony Zhao 和 Cheng Chi 梳理了可规模化的模仿学习方法,与真正能洗碗的机器之间的差距。
41:36EN → 简体中文四个月开上东京:Wayve 如何把整家公司押在一个端到端网络上Wayve CEO Alex Kendall 对红杉资本的 Training Data 说,为什么 AV 2.0 要抛弃高精地图和手写的软件栈,转而采用一个基础模型,几周之内就能适应一辆新车、一个新国家。
48:14EN → 简体中文一款新药要花 20 亿美元、10 年,Benchling 的 CEO 想让 AI 把时间压到 3 年主持 Sarah Guo, Elad Gil大多数药物在第七到第十年失败,那时数亿美元早已投进了临床试验。Sajith Wickramasekara 认为,把东西送上太空,可能已经比让一款新药获批更容易。
1:16:53EN → 简体中文Karpathy 说今天的模型是“slop”,他的十年时间表听起来仍然很乐观主持 Jacob EffronDatology AI 的 Ari Morcos 与 Radical Ventures 的 Rob Toews 梳理了 Karpathy 的一盆冷水、OpenAI 的交易,以及究竟是谁在为数据中心热潮买单。
1:01:49EN → 简体中文ChatGPT 联合创造者离开,要把自然放进奖励回路主持 Nathan LabenzLiam Fedus 与 Ekin Dogus Cubuk 谈语言模型为什么仍然学不好物理,为什么文献数据噪声太大、无法用来训练,以及 Periodic Labs 为什么瞄准 200K 的超导体。
1:22:07EN → 简体中文把支付看作影片中的镜头:Stripe 基础模型让卡片测试的检出率从 59% 升至 97%主持 Nathan LabenzStripe 数据与 AI 负责人 Emily Sands 解释:一个面向支付领域的模型、共享的向量表示,以及规则与模型的混合,如何把一个 1.4 万亿美元的网络变成复利式的优势。
1:00:35EN → 简体中文Mercor CEO Brendan Foody 谈专家数据、AI 评测与增长嘉宾 Brendan Foody · 主持 Harry StebbingsFoody 解释 Mercor 的人才平台、公司报告的收入运行率,以及他对模型开发、利润率和公司文化的看法。
1:55:02EN → 简体中文每天一百次实验,以及材料领域的“死亡之谷”主持 Nathan LabenzRadical AI 两位联合创始人向 Nathan Labenz 讲述,如何通过前沿模型与自驾实验室组成的闭环,把四十年的材料研发周期压缩到十年以内。
加载更多已显示 24 篇,共 83 篇









