筛选结果
14 篇排序
1:09:44EN → 简体中文
No Priors: AI, Machine Learning, Tech, & Startups· 2026年10月9日播客 · 2 人对谈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。
49:12EN → 简体中文
Sequoia Capital· 2026年7月29日播客为 Transformer 写悼词的人，想要一个能在他们度假时继续工作的实验室o1 推理团队的负责人和 Gemini 预训练负责人认为，现在的瓶颈在于架构，单靠堆规模已经解决不了；要替换架构，就得先从自动生成算子内核（kernel）做起。
58:46EN → 简体中文
Unsupervised Learning: With Jacob Effron· 2026年4月9日播客OpenAI 首席科学家给出两个时间点：9 月前做到研究实习生，2028 年前做到自动化研究员主持 Jacob EffronJakub Pachocki 在 Jacob Effron 的节目上解释，为什么这些时间表依然成立，为什么持续学习并不是弯路，以及为什么在产品中展示思维链，会让训练信号与监控相互对抗。
1:01:38EN → 简体中文Sequoia Capital· 2026年1月6日播客13 小时煮咖啡、产出翻倍：Physical Intelligence 跨过落地线Karol Hausman 和 Tobi Springenberg 在红杉资本的《Training Data》里讲述：通用机器人大脑加上真实世界的强化学习（RL），如何让煮咖啡、叠衣服和装箱巧克力盒变成真正能跑起来的工作。
48:51EN → 简体中文Sequoia Capital· 2025年6月17日播客OpenAI 前研究负责人：通往 AGI 的关键突破已经齐了Bob McGrew 在红杉资本的 Training Data 节目中说，2025 年是推理之年，智能体的价格会贴近算力成本，而到 2035 年，技术栈上不会再添加什么根本性的东西。
58:11EN → 简体中文Sequoia Capital· 2025年4月15日播客Patrick Hsu 想做的是生物学的应用商店，不只是更好的药Arc Institute 联合创始人认为，在基因组上训练、不靠蛋白质数据的 Evo 2，应当成为科学方法每一步工具的底座。
5:06:18EN → 简体中文
Lex Fridman· 2025年2月2日播客DeepSeek 宣称训练成本仅 500 万美元，背后是一场关于算力的五年赌注主持 Lex FridmanDylan Patel 与 Nathan Lambert 带着 Lex Fridman 梳理了 DeepSeek-V3 与 R1、出口管制、台积电、超大集群，以及在 AI 竞赛中究竟谁能赚到钱。
1:04:54EN → 简体中文Unsupervised Learning: With Jacob Effron· 2024年11月12日播客他拿公司股权赌 Transformer 能撑下去，然后为 12000 家公司画出一张 AI 地图主持 Jacob EffronDatabricks 首席 AI 科学家 Jonathan Frankle 告诉企业，什么时候该用提示词、什么时候该微调或预训练，以及他为什么仍然不肯预测下一代架构。
2:24:18EN → 简体中文
Cognitive Revolution "How AI Changes Everything"· 2024年10月30日播客MMLU 在训练后期才脱离随机水平，loss 只是一个警报主持 Nathan LabenzZyphra 的训练负责人讲解了 Zamba 2 的混合架构、真正重要的评测，以及小型实验室仍需重新摸索的那些技术诀窍。
46:09EN → 简体中文No Priors: AI, Machine Learning, Tech, & Startups· 2024年8月1日播客 · 2 人对谈Oriol Vinyals：把九成算力烧在预训练上的日子屈指可数了主持 Sarah Guo, Elad GilGoogle DeepMind 研究副总裁 Oriol Vinyals 谈 Gemini、长上下文、从预训练转向强化学习（RL）的即将到来，以及通用人工智能（AGI）为什么可能永远没有终点线。
1:01:39EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2024年4月13日播客GPT-5 需要 100 万亿个 Token，地球够用吗？主持 Nathan Labenz训练 GPT-3 用了约 1 万亿个 Token，GPT-4 用了约 10 万亿个。下一步跃升，数据问题和算力问题同样重要。
1:33:56EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2023年7月6日播客AI 侦察报告：90 分钟从 GPT-4 的考试成绩讲到模型是否真的理解主持 Nathan LabenzNathan Labenz 独自主持一期节目，梳理通用模型能做什么、怎样训练、能力如何被解锁，以及它们究竟理不理解任何东西。
59:28EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2023年6月16日播客从 50 万美元到 5 万美元：MosaicML 让训练自有模型成了明码标价的产品主持 Nathan LabenzJonathan Frankle 和 Abhi Venigalla 解释：谁在训练定制的大语言模型（LLM），为什么抽取比聊天更有价值，以及 ALiBi 如何把 65k 上下文窗口（context window）拉得更长。
2:23:56EN → 简体中文Lex Fridman· 2023年3月25日播客 · 2 人对谈GPT-4 是非常早期的 AI，历史书会记下的是 ChatGPT嘉宾 Sam Altman · 主持 Lex FridmanGPT-4 发布六天后，Sam Altman 对 Lex Fridman 解释了为什么可用性胜过单纯的规模，为什么对齐与能力并非相反的方向，以及为什么 OpenAI 要趁风险还低的时候推进部署。