摘要
30 秒看懂
Nadler 认为临床医生面临不断增长的信息负担；短片未证实其中的数字说法。
- 1持续更新Nadler 描述信息更新的挑战。
- 2估计短片没有给出数字来源。
- 3学习他强调医学院毕业后的教育。
要点建议
- 医学信息可能难以持续跟进。
- 短片未给出所引数字的来源。
- Nadler 强调继续教育。
全文
按章节阅读整理后的全文
01
信息增长
OpenEvidence 创始人 Daniel Nadler 认为，医学信息数量增长迅速，临床医生很难持续跟上。
OpenEvidence 创始人 Daniel Nadler 认为，医学信息数量增长迅速，临床医生很难持续跟上。
他引用有关知识翻倍和阅读小时数的具体估计。短片没有提供来源，也没有说明这些数字如何衡量。
02
继续教育
Nadler 预测继续医学教育将变得更重要，并转述医生告诉他，他们的大部分执业知识是在医学院毕业后学到的。
Nadler 预测继续医学教育将变得更重要，并转述医生告诉他，他们的大部分执业知识是在医学院毕业后学到的。
他补充一位年长医生近期学习的个案。这些是有来源归属的说法，并非经过独立核实的统计数据。
同频道的其他文章
38:06EN → 简体中文
No Priors: AI, Machine Learning, Tech, & Startups· 2026年10月29日播客 · 3 人对谈Serval 的 Jake Stauch：面向企业 IT 的编程智能体嘉宾 Jake Stauch · 主持 Sarah Guo, Elad GilStauch 解释 Serval 为什么挑战 ServiceNow、如何处理权限与审批，以及为什么后台智能体仍然难以安全部署。
1:07EN → 简体中文No Priors: AI, Machine Learning, Tech, & Startups· 2026年10月27日播客George Kurtz 谈 AI 可能如何改变网络攻击嘉宾 George KurtzCrowdStrike 首席执行官介绍他对威胁变化的判断。
39:23EN → 简体中文No Priors: AI, Machine Learning, Tech, & Startups· 2026年10月15日播客 · 2 人对谈防守方的窗口期：Greg Brockman 谈 AI 生成知识、药物研发与网络安全的新规律主持 Sarah Guo, Elad GilOpenAI 总裁解释了为什么攻克未解的数学难题，是科学领域的有力证据，主动式智能体（Agent）如何改变产品形态，以及为什么安全支出必须超过软件支出。
1:04EN → 简体中文No Priors: AI, Machine Learning, Tech, & Startups· 2026年10月14日播客Walter Goodwin：芯片设计中缓慢的步骤嘉宾 Walter Goodwin一位芯片创始人解释自动化为何不能消除所有计算瓶颈。
1:09:44EN → 简体中文No Priors: AI, Machine Learning, Tech, & Startups· 2026年10月9日播客 · 2 人对谈1 万块 GB300 跑四周：Reflection 的开源模型账本主持 Sarah Guo, Elad GilMisha Laskin 在 No Priors 节目中讲述 Reflection 如何训练 Beam、为什么强化学习的投入超过了预训练，以及为什么西方需要自己的开源权重。
0:39EN → 简体中文No Priors: AI, Machine Learning, Tech, & Startups· 2026年10月8日播客Michael Lee 谈用 AI 重新思考组织嘉宾 Michael Lee一位商业领导者认为机会不止是加快任务。