筛选结果
33 篇排序
1:30:54EN → 简体中文人形机器人跑赢了博尔特,DeepMind 仍将机器人评为 GPT-2 水平主持 Nathan LabenzGoogle DeepMind 的 Gemini Robotics 负责人讲述:为什么冲刺很容易、煎蛋很难,以及为什么一个大脑应该能驱动任何身体。
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。
1:45:59EN → 简体中文87% 的员工在用 AI,只有 13% 的人说公司变好了主持 Nathan LabenzGlean 的 Work AI Index 指出了失踪的时间:照看机器人(botsitting)、糊弄式交付(botshitting),以及一个转个不停的精致废话仓鼠轮。
1:34:54EN → 简体中文六个月、八成用户流失、五倍的 Token主持 Nathan LabenzTasklet 首席执行官 Andrew Lee 在《The Cognitive Revolution》中讲述了他如何重写整个技术栈,为什么大多数流失的用户会转向 Anthropic,以及他为什么认为只有三类软件公司能活下来。
2:12:51EN → 简体中文Steve Newman 搭了十五个应用,只为让自己只需盯着一块屏幕主持 Nathan LabenzWritely 创始人带 Nathan Labenz 看他用凭感觉编程(vibe coding)做出的注意力防火墙,谈他保守的安全立场,以及为什么惊人的模型依然离 AGI 很远。
1:40:46EN → 简体中文给智能体(Agent)一千个工具,它会挑错刀片主持 Nathan LabenzComposio CTO Karan Vaidya 谈一套工具驾驭框架(harness):它负责发现工具、完成认证、放进沙箱、改写集成,让智能体能完整做完一份工作,而不至于被上下文淹没。
2:06:23EN → 简体中文五台 Mac Mini 上住着五名 AI 员工主持 Nathan Labenz卖掉 YC 包装公司之后,Jesse Genet 第一次打开终端,搭起了一支 OpenClaw 团队。如今它负责备课、记录孩子的学习过程,也让家里的夜晚不至于被低质内容占满。
1:57:56EN → 简体中文一亿行代码,每行 20 美分:走进 Blitzy 的企业级编码流水线主持 Nathan Labenz首席执行官 Brian Elliott 与首席技术官 Sid Pardeshi 向 Nathan Labenz 讲述,Blitzy 如何把庞大的代码库画成一张地图,再让成千上万个动态生成的智能体,在几天内完成一个要做好几个月的项目的大部分工作。
2:29:42EN → 简体中文十二个钩子与三十个文件:Daniel Miessler 在 Claude Code 上的个人操作系统主持 Nathan LabenzPAI(个人 AI 基础设施)框架把脚手架当作真正的产品,模型只是其中一部分。Miessler 认为,这套以目标为中心的智能体(Agent)堆栈,将决定知识工作自动化和下一场网络安全竞赛的走向。
1:42:06EN → 简体中文每家前沿实验室每年在数据上花十亿美元,钱究竟花在哪里主持 Nathan LabenzLabelbox 首席执行官 Manu Sharma 谈 150 亿美元的 Scale 交易、强化学习(RL)“训练场”、年收入 25 万美元的 AI 训练师,以及为什么后训练(post-training)如今占去了过去属于预训练(pre-training)的预算。
1:24:27EN → 简体中文每月处理 500 万亿个 Token:谷歌如何一年增长 50 倍主持 Nathan LabenzLogan Kilpatrick 重返 Cognitive Revolution,拆解谷歌 2023 年年中的合并、他为何预计前沿实验室(frontier labs)会走向分化,以及创业公司为何仍握有速度优势。
2:12:00EN → 简体中文测试时的梯度下降:Titans 把大语言模型(LLM)的上下文推到 1000 万个 Token主持 Nathan Labenz在 GPT-4 的成绩断崖式下跌的地方,这位康奈尔大学博士生的神经记忆模块仍能保持约 70% 的准确率。
1:26:21EN → 简体中文不到 10 美元,Google 的 AI 独立得出了一个没人发表过的实验室结果主持 Nathan LabenzVivek Natarajan 和 Anil Palepu 向 Nathan Labenz 讲述 AMIE(Articulate Medical Intelligence Explorer)如何在治疗方案上胜过基层医生,以及 Co-Scientist 如何与帝国理工学院(Imperial College)尚未发表的细菌耐药机制相吻合。
1:14:11EN → 简体中文推理曲线其实一直很平滑:Gemini 2.5 的 Jack Rae 谈思考、记忆与 AGI主持 Nathan Labenz谷歌 DeepMind 的思考与推理负责人解释:为什么推理用的强化学习(RL)显得来得突然,为什么 Gemini 会展示原始思维链,以及为什么一百万 token 的窗口仍然不等于记忆。
2:14:59EN → 简体中文永远押注模型:Shortwave 的 Andrew Lee 如何把 Tasklet 做成一路到底的智能体主持 Nathan Labenz这位 Firebase 联合创始人认为,工作流软件已经过时,MCP 只是可选项,而 AI 创业公司剩下的唯一持久优势是速度。
1:25:12EN → 简体中文他已经好几个月没敲一行代码了:Augment 如何读懂百万行代码仓库主持 Nathan LabenzAugment 联合创始人兼首席科学家 Guy Gur-Ari 向 Nathan Labenz 讲述,编程智能体在杂乱的企业代码库里究竟如何工作。
1:29:02EN → 简体中文她从不读取你的一行数据,答案准确率仍能过 95%主持 Nathan LabenzIllumex 首席执行官 Inna Tokarev Sela 向 Nathan Labenz 讲述:一个只用元数据训练的柏拉图式行业本体(ontology),如何把企业软件坍缩成一场对话。
1:24:48EN → 简体中文Canva 的 AI 功能被使用了 100 亿次:打法不是一个聊天框主持 Nathan LabenzCanva 生成式 AI 产品负责人 John Milinovich 向 Nathan Labenz 讲解自动化与增强的区别、概念层面的界面、缺少“设计竞技场”时怎么做评测,以及应用层公司为什么仍有十年的发展空间。
1:09:09EN → 简体中文SWE-bench 拿下 30%:Cosine 如何教 Genie 像工程师那样思考主持 Nathan LabenzAlistair Pullen 向《Latent Space》讲述:Cosine 如何还原人类解决问题的过程,用数十亿 token 做微调(fine-tuning),并在软件工程领域最难的公开测试之一上拿下了最高分。
1:21:53EN → 简体中文HippoRAG 以十分之一的在线成本,追平迭代检索主持 Nathan Labenz受海马体启发的知识图谱,让多跳(multi-hop)问题可以跳过蛮力式的文档爬梳。
1:27:01EN → 简体中文三百万封邮件、十次大语言模型(LLM)调用、六个模型:Shortwave 的检索增强生成(RAG)实战手册主持 Nathan LabenzFirebase 创始人 Andrew Lee 向 Nathan Labenz 拆解检索技术栈,这套技术让一个 Gmail 收件箱变成了能干活的 AI 助手。
1:43:07EN → 简体中文一个智能体(Agent)发了五条推文,5000 人没有一个察觉主持 Nathan LabenzMultiOn 创始人 Div Garg 在 Cognitive Revolution 节目中讲解了 2024 年初网页智能体(web agent)的实际能力与成本,以及为什么护栏必须放在模型之外。
1:53:08EN → 简体中文GPT-4 写 SQL,四张表就是崩溃点主持 Nathan LabenzJuan Sequeda 谈为什么知识图谱(knowledge graph)是基础模型(foundation model)所缺的那个准确、可解释的“大脑”。
1:18:39EN → 简体中文那位 GPT-4 红队(red-teaming)测试员,靠一份平平无奇的提纲摆脱了卡壳主持 Nathan LabenzDan Shipper 向 Nathan Labenz 演示,如何把 ChatGPT 当作思考时的副驾驶;让它替自己代写文字,则是另一回事。
加载更多已显示 24 篇,共 33 篇








