筛选结果
23 篇排序
1:47:38EN → 简体中文
Cognitive Revolution "How AI Changes Everything"· 2026年7月4日播客19 个神经元就能开车，Liquid AI 想把基础模型装进每一块芯片主持 Nathan LabenzRamin Hasani 从线虫只有 300 个细胞的大脑讲起，一直讲到将在梅赛德斯-奔驰汽车里开口说话的 600 兆字节模型，并解释为什么如今的架构搜索，已经胜过那些凭经验拍板的“架构复仇者”。
1:13:33EN → 简体中文
Unsupervised Learning: With Jacob Effron· 2026年6月3日播客一万亿个 Token 之后，概念终于落地：Łukasz Kaiser 谈 Transformer 仍然缺什么主持 Jacob Effron《Attention Is All You Need》合著者在 Unsupervised Learning 节目中表示，Transformer 大概率会继续胜出，但它们学习的方式仍然与人不同。
4:25:13EN → 简体中文
Lex Fridman· 2026年1月31日播客架构几乎没变，变的是数据、成本和开放权重主持 Lex FridmanNathan Lambert 和 Sebastian Raschka 带 Lex Fridman 回顾了这一年：训练方法和数据集的变化，远大于模型设计的变化。展望 2026 年，争论的焦点似乎是推理成本、智能体，以及真正开放的模型该归谁。
1:03:00EN → 简体中文Unsupervised Learning: With Jacob Effron· 2026年1月29日播客每周都能解出新数学题的模型，仍然不是 AGI主持 Jacob Effron前 OpenAI 研究副总裁 Jerry Tworek 谈规模化为什么依然有效、模型失败后为什么会陷入“绝望”，以及他为什么离开去追求持续学习。
1:18:05EN → 简体中文Unsupervised Learning: With Jacob Effron· 2025年12月18日播客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。
1:39:05EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2025年10月29日播客GPT-5 让人失望的那个夏天，并不意味着 AI 进展已经停滞主持 Nathan LabenzNathan Labenz 在对 Erik Torenberg 的谈话中说，GPT-5 的口碑反弹把产品失误、命名混乱和能力上的真实跃升混为一谈。
1:02:05EN → 简体中文Unsupervised Learning: With Jacob Effron· 2025年9月24日播客1 亿美元的研究员与 2000 亿美元的 xAI：AI 圆桌算了一笔账主持 Jacob EffronDatology 的 Ari Morcos 与 Radical Ventures 的 Rob Toews 争论：模型是否进入平台期，强化学习环境（RL environment）创业公司能否撑得久，以及为什么谷歌是他们会选的实验室。
51:08EN → 简体中文Unsupervised Learning: With Jacob Effron· 2025年4月15日播客说规模化已撞墙的 Transformer 合著者主持 Jacob EffronCohere CEO Aidan Gomez 在 Redpoint 的访谈中说，一个耗资 1 亿美元的模型，依然是个失忆的天才；而企业 AI 的钱，正集中流向客户支持、研究和后台职能。
1:10:23EN → 简体中文Unsupervised Learning: With Jacob Effron· 2025年3月17日播客每美元一百万个 Token：为什么 Noam Shazeer 认为推理算力（inference compute）仍未被充分挖掘主持 Jacob EffronTransformer 共同发明人 Noam Shazeer 与 Gemini 研究员 Jack Rae 讲述测试时算力（test-time compute）、Ilya Sutskever 对通用人工智能（AGI）的批评，以及一个四岁孩子如今能给老师讲蜥蜴的故事。
48:18EN → 简体中文Unsupervised Learning: With Jacob Effron· 2024年12月6日播客Noam Brown：没有硬墙，只有八个数量级的余地主持 Jacob Effron一次 ChatGPT 查询大约一分钱。他说，社会最关心的那些问题，值一百万美元。
2:40:58EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2024年11月16日播客Zvi Mowshowitz 仍把末日概率（P(doom)）定在 60%，并称不更新判断就是自欺主持 Nathan Labenz与《Don't Worry About the Vase》作者的半年回顾，涵盖 Ilya 的 SSI、OpenAI 的 o1、Claude 的电脑操作功能、SB 1047 法案被否决，以及特朗普重返白宫。
1:18:32EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2024年9月20日播客一个能分辨哪些基因碰不得的 DNA 模型主持 Nathan Labenz斯坦福大学的 Brian Hie 讲解混合架构、一个只用 DNA 训练的基因组尺度语言模型，以及一种结合紧密程度比天然抗体高 25 倍的抗体。
1:23:57EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2024年9月4日播客一次训练就是一台粒子对撞机，而与中国的竞争则是一场五十年的赛跑主持 Nathan LabenzSamo Burja 与 Nathan Labenz 聊了为什么 ChatGPT 的爆红可能拖慢了 AI 科学，以及为什么华盛顿应把北京视为经济对手，而非军事对手。
1:01:55EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2024年6月1日播客每小时 9 美元的 AI 护士、86 分的医学考试成绩，以及 10% 的灭绝线主持 Nathan LabenzNathan Labenz 独自做的这份“侦察报告”，从医疗领域的最新进展讲起，接着讲模型究竟如何学习，再到当前的主要玩家、缩放趋势，以及一份至今还不存在的控制方案。
1:01:39EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2024年4月13日播客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。
1:19:52EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2023年10月18日播客1,000 块 H100 要 115 天，22,000 块只要五天主持 Nathan LabenzNathan Labenz 和 Trey Kollmer 讲解了集群算力的估算方法：如何把 GPT-4 规模的训练变成每周一次的实验；随后是四篇论文，涉及搜索增强型模型、递归式代码改进器、Llama 2 内部的空间地图，以及网络在完全不知道答案时的表现。
1:33:56EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2023年7月6日播客AI 侦察报告：90 分钟从 GPT-4 的考试成绩讲到模型是否真的理解主持 Nathan LabenzNathan Labenz 独自主持一期节目，梳理通用模型能做什么、怎样训练、能力如何被解锁，以及它们究竟理不理解任何东西。
1:32:22EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2023年6月29日播客一百万字节与 256 个符号：Meta 的 MEGABYTE 想扔掉分词器主持 Nathan LabenzMeta AI 的 Lili Yu 讲解一种多尺度 Transformer：它能预测百万字节的序列，不做分词，目标是把任何文件都当作原始字节来建模。
26:02ENLex Fridman· 2020年2月9日播客Moore’s Law Is Not Dead—It Is a Cascade of S-Curves主持 Lex FridmanJim Keller explains why transistor scaling keeps outrunning its obituary, and how exponential hardware changes the mathematics AI can attempt.
1:10:19ENUnsupervised Learning: With Jacob Effron播客The Robot That Folded the Laundry: Physical Intelligence’s Three Frontiers主持 Jacob EffronKarol Hausman and Danny Driess explain how robot foundation models moved from coded primitives to web-scale pretraining, and why performance is now the hard gate.
1:14:59EN → 简体中文
Lenny's Podcast播客Ben Mann：AI 还在加速，对齐却不能等到超级智能到来再做主持 Lenny RachitskyAnthropic 联合创始人谈人才争夺、缩放定律、经济图灵测试、就业冲击、离开 OpenAI、宪法式 AI，以及他对超级智能风险的预测。
1:19:48ENLex Fridman播客Bigger Models, Cleaner Splits and Human Baselines: Andrew Ng's Practical Recipe for Applied Deep Learning主持 Lex FridmanIn a 2016 Deep Learning School talk, Andrew Ng distills lessons from leading Baidu's AI team into a workflow for diagnosing models, handling data and building a career.
1:13:40ENUnsupervised Learning: With Jacob Effron播客The Long Tail, the World Model, and the 1995 Problem: Inside Waymo's Scaling Phase and Robotics' Missing Moment主持 Jacob EffronVincent, a distinguished engineer at Waymo, explains how foundation models became teachers for self-driving, why the long tail and causality are the real frontier, and where robotics still lacks its generalist proof point.