筛选结果
49 篇排序
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。
44:52EN → 简体中文一份 80GB 的维基百科缓存,与一个装下整个互联网的 100GB 模型Engram 的创始人认为,把整家公司塞进上下文窗口,是一种代价高昂的记忆方式;而把它烘焙进权重,可以把 token 用量降低两个数量级。
1:48:43EN → 简体中文奖励从 3 涨到 180,Hacker News 上的标题全是谷歌裁员主持 Nathan LabenzCoreWeave 的 Kyle Corbitt 带 Nathan Labenz 讲 GRPO、评分标准(rubric)、强化学习环境,以及为什么大多数奖励作弊(reward hacking)只要知道去找,就很容易发现。
2:25:10EN → 简体中文微调没有死,却把一个乐于助人的模型变得邪恶了主持 Nathan LabenzNathan Labenz 谈为什么大多数工作改由提示词完成而不再微调,涌现式错位(emergent misalignment)到底揭示了什么,以及他如何看待工作、全民基本收入(UBI)和通用人工智能(AGI)。
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。
1:55:12EN → 简体中文28,000 份文献、一个 30 亿参数的模型、22 个人:天主教 AI 的技术账本主持 Nathan LabenzLongbeard 首席执行官 Matthew Harvey Sanders 在 The Cognitive Revolution 节目中讲述,一支使命驱动的团队如何让模型与天主教训导对齐,以及为什么微调还不够用。
50:00ENCrosby Bills by the Document, Not the Hour, and Turns Contracts Around in Under an HourThe founders of an AI-native law firm explain why they became lawyers with engineers at the next desk instead of shipping legal software, and how deal velocity became the product.
38:10EN → 简体中文格式对了加 5 分,编译通过再加 10 分主持 Nathan LabenzPredibase 首席执行官 Dev Rishi 讲述强化微调(RFT)、线上反馈和专用小模型,如何把一次性训练变成能持续学习的系统。
1:28:48EN → 简体中文医生编码得分 45%,模型高出 12 分;4000 名医生先试用一次主持 Nathan LabenzAmbience Healthcare 和克利夫兰诊所讲述了他们的 AI 病历助手(AI scribe):它减少了医生的“睡衣时间”(pajama time),借助强化微调提升了 ICD-10 编码的成绩,并获得了 75% 的自愿使用率。
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”。
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。
47:00ENAn Eval Lasts Three Months — and a Frozen Frontier Would Still Feed Startups for a Decade主持 Jacob EffronOpenAI’s GPT-4.1 post-training lead Michelle Pokrass tells Unsupervised Learning how the team spent three months on evals before training, why agents fail on wiring more than intelligence, and when to reach for RFT.
41:52EN → 简体中文Mercor 靠训练模型做招聘,年化收入达 1 亿美元:如今由人来出考卷主持 Sarah Guo, Elad GilBrendan Foody 与 Sarah Guo、Elad Gil 谈 Mercor 如何为前沿 AI 实验室(frontier labs)实现招聘自动化,以及为什么搭建评测(eval)可能成为全球最常见的知识型工作。
3:53:49EN → 简体中文数据只有十二分之一,一个开源视觉模型击败了 GPT-4o主持 Nathan LabenzVeratai 的 Will Hardman 带 Nathan Labenz 梳理了两年来的视觉语言模型(VLM),从 ViT 和 CLIP 讲到 InternVL、BLINK 和 Transfusion。
55:50ENThere will not be one model. Fireworks is betting on hundreds of small experts主持 Jacob EffronPyTorch veteran Lin Qiao argues that inference is a compound system hyperscalers cannot buy their way through, and that the products with real traction still keep a human in the loop.
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。
1:04:54EN → 简体中文他拿公司股权赌 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。
38:28EN → 简体中文线上 AI 有一半是检索增强生成(RAG),微调几乎消失了主持 Sarah Guo, Elad GilBraintrust 的 CEO Ankur Goyal 讲述 Notion、Zapier 和 Vercel 实际上线了什么,以及它们悄悄放弃了哪些被热炒的技术。
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。
1:51:00EN → 简体中文从十个标杆样本起步:AI 自动化三步法主持 Nathan LabenzOpenAI 开放 GPT-4o 微调的第二天,Nathan Labenz 拆解了他沉淀三年的一套方法,讲怎样挑选工作、提取隐性判断,以及提升模型表现。
39:18ENOpen and Closed Will Tie at the Same Size: PyTorch's Former Lead on Fast InferenceA six-month library swap at Meta became a five-year rebuild. Lin Qiao wants the rest of the industry to get that stack in five weeks.
36:20ENA Hundred Million Tokens in Context Would Cost $10 Million. Tengyu Ma Runs the RAG Math主持 Sarah Guo, Elad GilThe Stanford professor and Voyage AI founder argues that retrieval, not a giant context window, is how enterprises should manage private knowledge.
1:10:07EN → 简体中文同样的智能,只要 1% 的价格:Logan Kilpatrick 谈 Gemini Flash主持 Nathan Labenz前 OpenAI 开发者关系负责人、现任 Google AI Studio 产品经理的 Logan Kilpatrick,讲解 Gemini 1.5 Flash 实际改变了开发者的哪些做法。
1:42:17EN → 简体中文最便宜的推理服务商,才是最危险的主持 Nathan LabenzFireworks AI 的两位联合创始人 Lin Qiao 和 Dmytro Ivchenko 解释了补贴出来的 GPU 账单为什么会消失,低秩适配(LoRA)服务如何能把成本降低百倍,以及真正值得在意的对手为什么是 OpenAI。
加载更多已显示 24 篇,共 49 篇









