筛选结果
68 篇排序
18:31EN → 简体中文Janie Gu 与 Suyeol Yun:为什么前沿模型做不好买方分析师Janie Gu, Suyeol Yun · Google DeepMindJanie Gu 解释了基准分数为何可能误导人;Suyeol Yun 则介绍 MandateBench,它测试模型能否把基金投资授权转化为有理有据的投资备忘录。两场分享说明,真实工作流程、可复现的评分和有证据支撑的推理为何至关重要。
26:41EN → 简体中文Anekha Sokhal 谈 Moshi:给大宗商品交易员用的推荐引擎嘉宾 Anekha Sokhal · 主持 swyxMoshi 创始人向 swyx 讲述她会怎样重做交易员的工作流:把市场数据、内部文件和互相打架的信源连在一起,再把人们本来会错过的二阶效应推过来。难的不是仪表盘,是让人真的用起来。
52:27EN → 简体中文二十多个警察局拒绝之后,他们做出了一家反网络效应的 AI 公司威斯康星州的一个县有一桩悬案,积压着 300 GB 的材料,而 Peregrine 的创始人至今仍不肯邀功。
34:51ENGoogle Paid $10 Million for a Bankrupt Airline’s Data. That’s the Moat.主持 Sarah Guo, Elad GilEon co-founders Ofir Ehrlich and Gonen Stein argue that models and compute are rented commodities — the only asset enterprises can actually keep is their data.
40:56EN → 简体中文前五大国防主承包商中有四家,硬件测试仍在用 PowerPointNominal 的两位联合创始人认为,硬件领域没有享受过去二十年的软件基础设施建设,在测试数据汇集到一处之前,物理 AI 会停滞不前。
1:04:51EN125 million cells took a decade. The next billion takes months主持 Nathan LabenzMark Zuckerberg and Priscilla Chan on pairing a frontier biology lab with a frontier AI lab so models train on data that was designed for them.
1:18:05EN → 简体中文AI 研究的真正瓶颈是算力,缺的不是点子主持 Jacob EffronNeurIPS 之后,Ari Morcos 和 Rob Toews 与 Jacob Effron 坐下来争论:模型是否遇到平台期、SSI 的保密、OpenAI 的烧钱,以及几项尖锐的 2026 年押注。
48:00EN → 简体中文两秒钟的投票,正在把模型训练成标题党主持 Jacob EffronSurge AI 的 CEO Edwin Chen 向 Redpoint 解释了 LMArena 为什么奖励长篇幅和表情符号,某家实验室的模型为何连续变差了一年,以及为什么前沿实验室已经不再走同一条路。
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。
39:16EN → 简体中文500 副手套、1000 万条轨迹与一台 1 万美元的家用机器人主持 Sarah Guo, Elad GilSunday Robotics 联合创始人 Tony Zhao 和 Cheng Chi 梳理了可规模化的模仿学习方法,与真正能洗碗的机器之间的差距。
41:36ENFour Months to Drive Tokyo: How Wayve Bet the Company on One End-to-End NetworkWayve CEO Alex Kendall tells Sequoia’s Training Data why AV 2.0 ditches HD maps and hand-written stacks for a foundation model that can adapt to a new car and a new country in weeks.
48:14EN → 简体中文一款新药要花 20 亿美元、10 年,Benchling 的 CEO 想让 AI 把时间压到 3 年主持 Sarah Guo, Elad Gil大多数药物在第七到第十年失败,那时数亿美元早已投进了临床试验。Sajith Wickramasekara 认为,把东西送上太空,可能已经比让一款新药获批更容易。
1:16:53EN → 简体中文Karpathy 说今天的模型是“slop”,他的十年时间表听起来仍然很乐观主持 Jacob EffronDatology AI 的 Ari Morcos 与 Radical Ventures 的 Rob Toews 梳理了 Karpathy 的一盆冷水、OpenAI 的交易,以及究竟是谁在为数据中心热潮买单。
1:01:49EN → 简体中文ChatGPT 联合创造者离开,要把自然放进奖励回路主持 Nathan LabenzLiam Fedus 与 Ekin Dogus Cubuk 谈语言模型为什么仍然学不好物理,为什么文献数据噪声太大、无法用来训练,以及 Periodic Labs 为什么瞄准 200K 的超导体。
1:22:07ENEvery payment is a frame in a movie. Stripe’s foundation model took card-testing detection from 59% to 97%主持 Nathan LabenzEmily Sands, Stripe’s head of data and AI, explains how a domain-specific payments model, shared embeddings, and mixed rules turn a $1.4 trillion network into compounding advantage.
1:55:02EN → 简体中文每天一百次实验,以及材料领域的“死亡之谷”主持 Nathan LabenzRadical AI 两位联合创始人向 Nathan Labenz 讲述,如何通过前沿模型与自驾实验室组成的闭环,把四十年的材料研发周期压缩到十年以内。
57:52EN → 简体中文目标是 1%,实验室做到了 20%:Chai Discovery 把抗体设计搬到了电脑上主持 Jacob EffronJoshua Meier 谈 AI 药物发现的三波浪潮,为什么 Chai-2 对分子来说就像 Photoshop,以及为什么 1% 的命中率本应足以改变整个行业。
32:59ENA Hundred People, a Billion in Revenue, and Zero Venture Money主持 Sarah Guo, Elad GilSurge AI founder Edwin Chen on why quality human data is a poetry problem, not a bounding-box problem, and why leaderboards keep training models to write clickbait.
23:39ZH李沐:给文本大模型加入一千万小时语音,开源 Higgs Audio李沐 · Boson AI李沐介绍团队如何在文本大语言模型的训练里加入大量语音数据,做成能听能说的 AudioLLM,并把 Higgs Audio 开源。他讲了架构取舍、token 压缩、数据从哪来,以及怎么在 3090 上跑起来。
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。
44:21EN → 简体中文Mercor CEO:知识型工作的下一个岗位是写评测主持 Jacob EffronBrendan Foody 向 Redpoint 讲述,Mercor 如何靠 AI 招聘和专家数据拿到一轮 1 亿美元的融资,以及他为什么认为很大一部分白领工作会变成为模型编写测试。
40:54EN → 简体中文勘探发现率暴跌十倍,KoBold 仍找到了品位 5% 的铜矿主持 Sarah Guo, Elad GilJosh Goldman 解释 KoBold Metals 为什么把矿产勘探当作信息问题来做:用 AI 配合上百年前的地图,寻找锂和铜。
1:43:54ENA Year to Grow a Brain Organoid, an Hour to Simulate It主持 Nathan LabenzStanford postdoc Siyu He tells Nathan Labenz how Squidiff and CORAL move single-cell and spatial experiments into the computer — and where the models still cannot go.
35:14EN → 简体中文机器人没有维基百科,Chelsea Finn 从三栋楼起步主持 Sarah Guo, Elad GilPhysical Intelligence 联合创始人在 No Priors 节目上说明:通用机器人模型为什么必须跨本体训练,开源硬件为什么等于在对抗“问题无人解决”这种结局,以及人形机器人为什么有点被高估。
加载更多已显示 24 篇,共 68 篇









