筛选结果
38 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。
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。
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。
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。
47:00EN → 简体中文评测的保质期只有三个月,就算前沿模型停止进步,也够创业公司再做十年主持 Jacob EffronOpenAI 的 GPT-4.1 后训练(post-training)负责人 Michelle Pokrass 在 Unsupervised Learning 节目中讲述:团队在训练前花了三个月做评测,智能体(Agent)的失败更多出在工具和上下文的接入上,智力本身倒在其次,并说明了什么时候该用强化微调(RFT)。
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。
55:50EN → 简体中文不会只有一个模型:Fireworks 押注数百个小型专家主持 Jacob EffronPyTorch 老兵 Lin Qiao 认为,推理是一个复合 AI 系统(compound AI system),超大规模云厂商(hyperscaler)无法靠砸钱绕过;真正有市场反响的产品,依然保留了“人在回路中”(human-in-the-loop)的环节。
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。
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。
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。
1:34:11EN → 简体中文从扫描仪中的四十小时到一小时:借助共享的大脑空间重建你所看到的画面主持 Nathan LabenzPaul Scotti 讲述 MindEye2 如何用一小时的数据,把新受试者的功能磁共振成像(fMRI)数据映射到 CLIP 中,以及为什么一个线性层加上更好的图像生成器,改变了读心的成本。
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。
1:43:54EN → 简体中文15 个样本就能“投毒”GPT-4:今天的 AI 系统默认就可被利用主持 Nathan LabenzFAR AI 创始人 Adam Gleave 讲解了 GPT-4 API 上廉价的越狱手段,以及业余水平的人类如何战胜超人级围棋引擎,还有为什么鲁棒性不会自己到来。
1:06:39EN → 简体中文OpenAI 首位开发者关系负责人:他的代码 90% 由 ChatGPT 写成,网页智能体仍需数年主持 Jacob EffronLogan Kilpatrick 谈如何在 GPT-3.5 与 GPT-4 之间做选择、插件为何停滞不前,以及为什么公共互联网还没有准备好迎接自主智能体。
1:22:43EN → 简体中文50 亿分钟通话:Dialpad 为什么要训练自己的商务大语言模型(LLM)主持 Nathan LabenzDan O’Connell 谈实时语音、技术栈的纵向整合,以及他与 Nathan Labenz 在 AI 员工何时出现这一问题上的分歧。
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。
1:14:48EN → 简体中文首届开发者大会(DevDay)或许催生了数千家创业公司,OpenAI 的 Logan Kilpatrick 这样说主持 Nathan LabenzOpenAI 首届开发者大会次日,开发者关系负责人 Logan Kilpatrick 对 Nathan Labenz 讲了:为什么薄薄一层 API 封装从来不算公司,为什么智能体(Agent)没有被做成完全自主的,以及 200 万美元起的定制模型到底有什么用。
加载更多已显示 24 篇,共 38 篇







