筛选结果
9 篇排序
2:38:48EN → 简体中文一千次搜索只要五分钱,高分也不必靠作弊主持 Nathan Labenz在《Cognitive Revolution》的一期早间节目里,Ceramic 的 Anna Patterson 把廉价搜索、GPT-5.5 干净的 Vending-Bench 成绩、Zvi 关于模型福利的主张,以及能把矩阵乘法能耗降低约 30 倍的模拟芯片放在一起讨论。
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。
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。
1:32:19EN → 简体中文2018 年的提示词论文被拒,如今他的搜索 API 超过了谷歌主持 Nathan LabenzRichard Socher 讲述 You.com 的来路:从一个被拒的统一自然语言处理(NLP)模型,到原生于大语言模型(LLM)的网页索引、三种助手模式,以及他给出的末日概率(P(doom))非常低。
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)。
58:54EN → 简体中文模型只是商品,Perplexity 的 CEO 说,索引才是护城河主持 Nathan LabenzAravind Srinivas 重返《Cognitive Revolution》,讲一家 25 人的搜索创业公司,如何在大平台拉起吊桥之前,自己做出爬虫、索引和模型。
1:44:19EN → 简体中文十个人对垒谷歌的 2820 亿美元搜索机器主持 Nathan LabenzPerplexity 创始人 Aravind Srinivas 向 Nathan Labenz 解释,小团队要和谷歌竞争,靠的是引用、速度和单位时间里的价值,而不是聊天气泡。








