筛选结果
12 篇排序
1:08:02EN → 简体中文AlphaGo 花了两年,AlphaZero 只用了几个小时:Silver 在超级智能上押了同样的注David Silver 和 Lasse Espeholt 离开 DeepMind,创办了一家二十人的实验室 Ineffable Intelligence。他们想打造一个超级学习者(superlearner),让它从经验中发现科学、数学和语言,而不是靠一轮预训练(pre-training)。
53:44EN → 简体中文当今模型最大的毛病:权重从不更新图灵奖得主 Rich Sutton 与 Khurram Javed 创办 Oak Lab,要造出上线后仍能持续学习(continual learning)的智能体(Agent)。他们认为,合成数据是一个大错误。
49:12EN → 简体中文为 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。
37:00EN → 简体中文为四代 TPU 做芯片布局的 AlphaChip 团队,现在想让每家公司进入无设计(designless)时代Anna Goldie 和 Azalia Mirhoseini 在红杉资本的节目上讲述:一个强化学习(RL)布局规划器如何扛住 TPU 团队的怒火,学会画甜甜圈形状的宏单元(macros),最终变成一场赌注:让 AI 来设计芯片,而这些芯片再反过来喂养 AI。
30:11EN → 简体中文两个月内,从美国数学邀请赛(AIME)的 12%,冲到国际数学奥林匹克(IMO)金牌Alex Wei、Sheryl Hsu 和 Noam Brown 向红杉资本的 Sonya Huang 讲述,OpenAI 的一个三人冲刺小组如何在没有借助 Lean 的情况下,靠通用强化学习(reinforcement learning)拿到 2025 年国际数学奥林匹克竞赛的金牌水平。
41:13EN → 简体中文从 49 次乘法到 48 次:DeepMind 的 AI 改写了一项五十年的数学纪录Pushmeet Kohli 讲述 AlphaEvolve 如何把 Gemini 与评估器结合起来,发明算法、证明旧猜想,并改变哪些科学问题值得去尝试。
47:07EN → 简体中文Goodfire 的 Eric Ho:我们将在 2028 年前解码神经网络在红杉资本的访谈节目《Training Data》里,这位做可解释性(interpretability)研究的公司创始人认为,稀疏自编码器(sparse autoencoder)、模型编辑(model editing)和第三方实验室,正在让 AI 从“靠数据长出来”变成“靠设计做出来”。
52:30EN → 简体中文第 37 手看起来像 bug,大语言模型(LLM)仍需要自己的 AlphaZero 时刻Ioannis Antonoglou 从 AlphaGo 聊到 Reflection AI:谈自我对弈、可靠性,以及为什么算力仍然能买来智能。
41:42EN → 简体中文神经网络仍在等待它的热力学OpenAI 研究员 Dan Roberts 谈物理学家为什么不断转向 AI,以及这个领域为什么至今仍缺少相当于理想气体定律的东西。
45:22EN → 简体中文AlphaGo 每步思考 30 秒,o1 让“多想一会儿”变得通用OpenAI 研究员 Noam Brown、Ilge Akkaya 和 Hunter Lightman 谈如何教语言模型推理,谈生成器与验证器之间的差距,也谈推理时的第二条扩展曲线。
39:45EN → 简体中文Harmonic 的押注:直接教 AI 数学,2029 年前黎曼猜想就会被攻克Robinhood 的 Vlad Tenev 与 Harmonic 联合创始人 Tudor Achim 向红杉资本讲述:为什么数学就是推理,为什么 Lean 是验证器,以及为什么他们不愿坐等数学能力从规模中自然涌现。
55:13EN → 简体中文这项测试上最好的 AI 只得 39%,Zapier 联合创始人拿出 100 万美元奖金,要攻克它François Chollet 设计 ARC,用来衡量获取新技能的效率。五年过去,人类依然轻松过关,前沿模型却做不到。









