筛选结果
48 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。
39:47EN → 简体中文第 14 步的上下文,并不在代码里LangChain 联合创始人 Harrison Chase 谈长时程(long-horizon)智能体为什么终于能用,以及轨迹(trace)、驾驭框架(harness)和初稿式工作流,为什么比脚手架更重要。
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。
43:38EN → 简体中文凌晨两点起的代号,和终于像你本人的那张脸Google 的产品和模型负责人向红杉资本讲述,Nano Banana 如何让只凭一张照片就能保持人物一致的效果真正可用,以及为什么趣味性、手艺和人工评测与规模同样发挥了重要作用。
44:47EN → 简体中文最后一公里,才是联络中心 AI 真正落地的地方Cresta 首席执行官 Ping Wu 与红杉资本的 Doug Leone 谈到:为什么 1700 万到 2000 万名坐席、遗留系统,以及最后一公里的集成,将决定谁能赢得客户体验。
32:59EN → 简体中文一百来人、年营收 10 亿美元,却没有一分风投主持 Sarah Guo, Elad GilSurge AI 创始人 Edwin Chen 谈:为什么高质量的人工数据是诗歌问题,而不是边界框问题,以及为什么排行榜会不断训练模型去写标题党(clickbait)式的内容。
37:37EN → 简体中文十来个人、28 分钟和一台共享桌面ChatGPT Agent 背后的 OpenAI 三人组解释,Deep Research 与 Operator 如何合在一起,变成一台能推理半小时、花钱前还会先问你的虚拟电脑。
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。
41:25EN → 简体中文Ben Mann 认为 2028 年出现超级智能相当有可能主持 Sarah Guo, Elad GilAnthropic 联合创始人向《No Priors》播客讲述了 Claude 4 如何解锁数小时的无人值守智能体工作,Anthropic 为什么做出了 Claude Code,以及经济图灵测试究竟测什么。
37:45EN → 简体中文Codex 是一个思想实验:如果智能体在自己的电脑上工作,会怎样?OpenAI Codex 团队谈如何把 o3 训练成能写出可合并 PR 的模型、凌晨一点的一个 bug 如何同时派出四次尝试去解决,以及为什么只有停止结对、开始委派,这款产品才会真正上手。
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。
1:11:05EN → 简体中文把 HubSpot CRM 做到 4000 万美元营收的人说,数据模型必须推倒重来Day.ai 创始人 Christopher O’Donnell 在对谈中告诉红杉资本的 Pat Grady:传统 CRM 为什么像被压缩的像素画,“完全自动驾驶”为什么吓到了他的用户,以及为什么每一行代码都要让其他代码更有价值。
38:43EN → 简体中文五分之二的医生想离开。一位值班心脏科医生做出了能让他们留下来的病历主持 Sarah Guo, Elad GilAbridge 首席执行官 Shiv Rao 谈论如何把医患对话当作医疗领域的信息源头,以及公司为什么一开始就直接瞄准最难啃的大型医疗系统。
50:35EN → 简体中文Copilot 已经写了约一半的代码,GitHub CEO 说智能体还得过四道关主持 Sarah Guo, Elad GilThomas Dohmke 谈智能体(Agent)模式,谈为什么普通开发者不会被取代,以及 AI 如何重新定价写代码的工具。
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。
44:48EN → 简体中文企业版谷歌失败了二十年,一位搜索老兵终于做成了Glean CEO Arvind Jain 谈企业内部搜索为什么比公开网络难,RAG(检索增强生成)为什么成败都取决于检索,以及当每位员工都有了 AI 助手,工作会是什么样子。
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。
加载更多已显示 24 篇,共 48 篇









