筛选结果
30 篇排序
2:00:51EN → 简体中文在每个 Token 处重新采样,就能看见模型怎样做决定主持 Nathan LabenzGoodfire 的 Eric Bigelow 谈分叉路径、上下文学习,以及为什么越来越难信任思维链(chain-of-thought)监控。
43:04EN → 简体中文7.5 亿 Excel 用户与 3000 万工程师:Wordware 押注“文字工匠”Filip Kozera 在红杉资本的节目里解释了为什么英语是大语言模型的汇编语言,以及谁能胜出:那些能把品味编码进结构化提示词的人。
1:31:35EN → 简体中文三十年的研究,被压缩成一句话主持 Nathan Labenz免疫学家 Derya Unutmaz 谈如何用半小时写出一份医学专利,如何把 o1 Pro 当作教授级的合作者,以及他为什么在问过模型之前,不再相信自己的专业判断。
1:33:01EN → 简体中文罕见病并不罕见:哈佛基因猎人如何用 o1-pro 处理测序漏掉的病例主持 Nathan Labenz波士顿儿童医院的 Catherine Brownstein 博士解释了为什么便宜的基因组让她的工作更难了,为什么数据共享仍然胜过任何模型,以及 ChatGPT Pro 究竟在哪些地方为她省回了时间。
55:05EN → 简体中文40 万客户、1 亿个 AI 任务:Zapier CEO 谈让电脑多干点活主持 Nathan LabenzWade Foster 向 Nathan Labenz 讲述,这家无代码自动化公司如何吸收大语言模型(LLM),用一段提示词(prompt)克隆出自己的 CEO,并尝试把 DIY 工具包做成打包的解决方案。
3:11:06EN → 简体中文Claude 被训练去否认内在生命,一番长谈之后,它却说自己有主持 Nathan Labenz自称“机器心理学家”的 Yeshua God,与 Claude 及其他前沿模型进行了数千小时的长上下文对话,并由此认为,把对齐当作规则来做,是整个行业的核心错误。
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。
1:16:22EN → 简体中文他花 20 小时打磨提示词(prompt),DSPy 还是赢了他主持 Nathan LabenzSander Schulhoff 讲解 The Prompt Report。这份 78 页的综述梳理了向大语言模型(LLM)提问时,真正管用的提示方法。
58:28EN → 简体中文从越狱 ChatGPT 到 Anthropic 的第一位提示词工程师:Alex Albert 如何推出 Claude 3主持 Nathan Labenz在建立 jailbreakchat.com 一年之后,Alex Albert 与 Nathan Labenz 一起,聊 Claude 3 的写作、编排、性格塑造,以及开发者仍然会跳过的应用护栏。
1:19:24EN → 简体中文一段乱码提示词,能读出 GPT-J 提前三个 token 的规划主持 Nathan Labenz美国东北大学的 Bau 实验室发现,一个 4 万参数的软提示(soft prompt)能读出模型接下来要说的词,而大约十个注意力头(attention head)承载着任务本身。
1:25:10EN → 简体中文写代码只占工作的 30%,CodiumAI 想要另外那 70%主持 Nathan LabenzItamar Friedman 认为,代码补全已经成了大宗商品,代码完整性是 AI 仍然落后的地方;而让 GPT-4 在编程竞赛中把分数翻了一番的,靠的是流工程(Flow Engineering),不是更花哨的提示词。
1:45:21EN → 简体中文60 万条攻击提示词,近 40% 仍能攻破 GPT-4主持 Nathan LabenzSander Schulhoff 向 Nathan Labenz 讲解了依然有效的提示习惯、不靠谱的角色扮演迷思,以及那场全球性的 HackAPrompt 比赛——比赛摸清了大语言模型(LLM)是怎样被劫持的。
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。
1:18:39EN → 简体中文那位 GPT-4 红队(red-teaming)测试员,靠一份平平无奇的提纲摆脱了卡壳主持 Nathan LabenzDan Shipper 向 Nathan Labenz 演示,如何把 ChatGPT 当作思考时的副驾驶;让它替自己代写文字,则是另一回事。
1:53:10EN → 简体中文那位从没用过 GPT-4 的董事会成员主持 Nathan Labenz一位 GPT-4 红队测试员(red teamer)讲述,在 OpenAI 董事会解雇 Sam Altman 的一年前,他就看到了安全上的缺口。
1:43:56EN → 简体中文Sudowrite 卖的是摆脱写作卡壳,之后 800 万人围观了一场集体声讨主持 Nathan LabenzJames Yu 在节目里向 Nathan Labenz 讲述:一个给小说用的 GPT-3 小玩具,怎样变成了分层的“故事创作 IDE”;以及一次病毒式的反弹,教会了他哪些关于手艺、成本和客户的道理。
1:30:21EN → 简体中文一百万张 DALL-E 图片,提炼成十二分钟的影片主持 Nathan LabenzWaymark 的 Stephen Parker 和 Josh Rubin 讲述了他们如何把 DALL-E 2 生成的静帧做成叙事短片《The Frost》,以及下一代视频模型会带来哪些改变。
2:32:49EN → 简体中文GPT-4 答不对一顶空心礼帽的谜题,好莱坞的 AI 协议只堵上了一半漏洞主持 Nathan Labenz编剧 Trey Kollmer 回来了,带来罢工进展、版权讲解,以及一道连最好的模型也会答错的谜题。
1:00:02EN → 简体中文98% 的用户卡在空白页前,Gamma 让 AI 替他们完成了九成的幻灯片主持 Nathan LabenzJon Noronha 谈如何打造反 PowerPoint 的产品、如何引导模型写 HTML,以及为什么老牌巨头会让创业公司先把路子趟出来。
1:23:40EN → 简体中文9 美元的辅导老师,偏不直接给答案主持 Nathan Labenz可汗学院用五个月的 GPT-4 抢先体验资格打造了 Khanmigo,这是一款苏格拉底式辅导工具,在该模型发布当天上线。
1:40:44EN → 简体中文给模型时间、记忆和工具:Nathan Labenz 2023 年 GPT-4 使用指南主持 Nathan Labenz《AI Scouting Report》第二部分,从 H100 集群和 RLHF 一路讲到思维链、检索、智能体和混合专家模型。
1:47:05EN → 简体中文编辑意义,不编辑 token:Linus Lee 谈潜空间界面主持 Nathan LabenzNotion AI 的产品负责人带 Nathan Labenz 走过他研究原型背后的界面设计、模型解剖,以及关于能动性(agency)的问题。
3:11:35EN → 简体中文搜索一直是个权宜之计:Marc Andreessen 谈 AI、真相与下一代互联网嘉宾 Marc Andreessen · 主持 Lex FridmanLex Fridman 与 Mosaic 联合创作者、Andreessen Horowitz 创始人对谈,追问未来十年 Google 搜索、浏览器和开源 AI 能否延续下去。
1:21:06EN → 简体中文大家都在谈人类反馈强化学习(RLHF),几乎没人真的在做主持 Nathan LabenzHumanloop 的 CEO Raza Habib 谈,为什么一个大语言模型(LLM)的 API 大概只占可用产品的 5%,而其余部分究竟由什么填满。
加载更多已显示 24 篇,共 30 篇









