筛选结果
5 篇排序
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。
1:01:39EN → 简体中文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。
1:21:50EN → 简体中文16K 的上下文窗口只能放下约 350 行,这就是表格需要智能体的原因主持 Nathan LabenzGretel AI 创始人 Alex Watson 向 Nathan Labenz 讲述:为什么大多数公司的数据仍然是一张电子表格,为什么 GPT-4 是生成这些数据的错误工具,以及差分隐私(differential privacy)如何让模型学会一种疾病,却不学会某个病人。
1:17:09EN → 简体中文GPT-4 当老师,GPT-3.5 当学生:成本降九成,还有一个没人肯先做的 AI 套餐主持 Nathan LabenzNathan Labenz 报告说,GPT-4 的思维链轨迹可以训练出更便宜、更快的 3.5 模型;随后他主张把应用端的油门踩到底,给 GPT-5 踩刹车,并把一百个 AI 工具打包成一百美元的套餐。
2:00:19EN → 简体中文150 万个 GPT-4 童话,让 3300 万参数的模型推理超过 GPT-2主持 Nathan Labenz来试试这道填空:Lily 喜欢猫和狗。她向妈妈要了一只狗。妈妈不同意,于是她又要了一个……








