筛选结果
26 篇排序
1:35:29EN → 简体中文优步 13 周烧光全年 Token 预算,智能体成败看检索主持 Nathan LabenzMongoDB 的 AI 方向 Field CTO Pete Johnson 认为,智能体的表现如今取决于检索质量,并非取决于把百万 Token 的上下文窗口塞满。
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。
44:49EN → 简体中文OpenEvidence 如何成了 40% 美国医生的临床“操作系统”主持 Sarah Guo, Elad Gil创始人(founder)Daniel Nadler 向《No Priors》讲述:一款免费、面向医生的搜索工具,并非面向患者的答案引擎,如何在 18 个月里拿下了高风险的临床知识领域。
31:34EN → 简体中文一家公司的文档量,如今已与早期整个互联网相当主持 Sarah Guo, Elad GilGlean 首席执行官(CEO)Arvind Jain 在 No Priors 上讲述了:企业搜索为何曾是一片坟场,Transformer 如何最终让它跑通,以及一款搜得太好的产品为何可能太危险、难以出售。
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。
44:26EN → 简体中文AI 应用说到底还是应用MongoDB 的 Sahir Azam 向红杉资本解释,为什么向量搜索是处理非结构化数据的一种新基础构件(primitive),而不是事务的替代品;他还解释了为什么检索质量是让 AI 进入保守型企业的最后一公里。
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。
3:02:16EN → 简体中文答案之后,旅程才刚开始:Perplexity CEO Aravind Srinivas 谈搜索与好奇心嘉宾 Aravind Srinivas · 主持 Lex Fridman2022 年,Perplexity 的第一位员工问起健康保险,四个博士却没能从谷歌上得到一个清楚的答案。
1:25:10EN → 简体中文谷歌索引的十分之一,99.9% 的召回率:20 个人如何做出 Brave Search主持 Nathan LabenzJosep M. Pujol 带着《The Cognitive Revolution》了解 Brave 以隐私为先的索引、混合检索技术栈,以及 Nathan Labenz 如今希望自己的产品团队也来用的 Search API。
36:20EN → 简体中文1 亿个 Token 塞进上下文要花 1000 万美元,Tengyu Ma 算了检索增强生成(RAG)的账主持 Sarah Guo, Elad Gil这位斯坦福教授、Voyage AI 创始人(founder)认为,企业管理私有知识应当靠检索,不必靠超大的上下文窗口(context window)。
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。
1:23:09EN → 简体中文AI 任务的合适大小,就是你能检查得了的那么大主持 Nathan LabenzElicit 联合创始人 Andreas Stuhlmüller 与 Jungwon Byun 讲述,一个十二人的研究助理如何把摘要中的幻觉数从 1.5 降到 0.5,大约每一周半发布一次更新,并把任务拆解视为在不依赖黑箱的前提下投入更多算力的办法。
Google 给你 3300 万条结果,Exa 只想给你 54 条主持 Nathan LabenzExa 首席执行官 Will Bryk 向 Nathan Labenz 讲述:搜索与研究为什么是两份不同的工作,以及一位面向网络的 AI 图书管理员为什么从第一道过滤开始就必须基于神经网络。
31:28EN → 简体中文给 GPT-4 外接一个记忆,幻觉最多可减少 50%主持 Sarah Guo, Elad GilPinecone 首席执行官 Edo Liberty 向 Sarah Guo 和 Elad Gil 讲述,检索增强生成(RAG)、无服务器(serverless)向量数据库(vector database),以及把知识放在模型之外,如何让大语言模型(LLM)更可靠。
42:07EN → 简体中文Notion 的 Ivan Zhao:RAG 会让整理信息变得可有可无主持 Sarah Guo, Elad GilNotion 首席执行官在 No Priors 节目中讲述了他为什么把公司押在 GPT-4 上,为什么嵌入(embedding)和智能体(Agent)同样重要,以及软件为什么正在进入捆绑周期。
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”。
1:32:40EN → 简体中文教会 GPT-3.5 击败 GPT-4 的历史学家主持 Nathan LabenzMark Humphries 谈一公里长的未读纸质档案、嵌入(embeddings)模型看不懂的皮毛贸易行话,以及廉价的处理能力为什么会迫使历史被重写。
1:26:30EN → 简体中文这些数据大多从未进过数据库:Chroma 战时 CTO 谈 RAG主持 Nathan LabenzAnton Troynikov 重返《认知革命》,主张检索质量主要取决于嵌入(embedding),Chroma 应当掌控检索增强生成(RAG)的整个闭环;GPT 则仍然通不过一项基础推理测试:康威的“生命游戏”(Game of Life)。
37:18EN → 简体中文Wi-Fi 密码靠检索,公司专属语言靠专家主持 Sarah Guo, Elad Gil谷歌大脑的 Kelvin Guu 谈 REALM、FLAN、模型手术,以及为什么大模型的个性化仍是一个尚未解决的界面问题。
1:56:16EN → 简体中文他们曾用人类充当 AI 替身,如今 250,000 人在用 Elicit主持 Nathan LabenzOught 的两位创始人告诉 Nathan Labenz:开放式推理必须被拆解、被监督、有据可依,而不能只是一味放大,直到看上去足够有说服力。
35:36EN → 简体中文精选摘要覆盖率卡在 7%,一位 谷歌 老兵用语言模型把它提到 70%主持 Sarah Guo, Elad GilNeeva 创始人 Sridhar Ramaswamy 在《No Priors》里讲述:为什么答案总能胜过链接,为什么隐私没能促成人们换搜索引擎,以及为什么大多数查询用不着最大的模型。
1:26:20EN → 简体中文四十美元为 Joe Rogan 建索引:Chroma、铲子与机器学习的莱特飞行者时代主持 Nathan LabenzChroma 联合创始人 Anton Troynikov 谈嵌入(embedding)作为语言模型应用存储层的意义、Stable Attribution,以及为什么机器学习仍在靠直觉飞行。
2:52:56EN → 简体中文Douglas Lenat 的三十七年赌注:常识能被写下来吗嘉宾 Douglas Lenat · 主持 Lex Fridman自 1984 年起,Cyc 就在把世界上那些没人明说的规则编码下来,让机器能够推理,而不只是做模式匹配。
20:34ENTeaching Machines the Frameworks Humans Take for Granted嘉宾 David Ferrucci · 主持 Lex FridmanDavid Ferrucci explains why AI needs shared interpretive frameworks, not just data and pattern matching, to reason and communicate like humans.
加载更多已显示 24 篇,共 26 篇









