08-2434分钟
[模型与研究]Protege联合创始人：医疗AI需要独立评估体系
Protege联合创始人Engy Ziedan认为，数据质量与对齐程度会影响医疗AI的表现，而现有评测方法可能跟不上技术发展。独立评估有助于判断医疗AI是否安全、有效。
原节目：a16z · Why Medical AI Needs a Referee | Protege's Engy Ziedan
模型与研究
8月24日 星期一
8月21日 星期五
08-211小时10分
[模型与研究]Joon Sung Park：模拟或成AI新扩展路径精选深度
Simile AI 联合创始人 Joon Sung Park 认为，网络文本不足以还原真实行为，团队正结合访谈、行为数据和随机对照试验建立人类模型。其千人实验称，数字孪生的复现表现达到真人自我复现程度的 85%，但节选未交代指标细节。
原节目：Latent Space · Simulation: the new Scaling Law — Joon Sung Park, Simile AI
8月11日 星期二
08-112小时13分
[模型与研究]Ryan Greenblatt：AI研发自动化后一年或推进四五年精选深度
Redwood 的 Ryan Greenblatt 认为，可验证的 AI 研发任务适合用强化学习训练，研发自动化后，一年可能取得相当于此前四至五年的进展。他预计 AI 研发约在 2030 至 2031 年实现自动化，同时讨论了专家数据瓶颈与奖励黑客引发失控的风险。
原节目：Dwarkesh · Ryan Greenblatt – What happens once AI can automate AI research?
7月28日 星期二
07-281小时9分
[模型与研究]Jensen Huang认为AI安全与创新可并行
Huang提出，内部控制和科学预测有助于兼顾AI发展与安全，开放模型也能让更多企业参与创新。节目还讨论了人形机器人进入家庭、替代危险工作，以及中国AI发展对全球市场的影响。
原节目：All-In · The $1/Hour Worker: Four Robotics CEOs on Humanoids at Home, China's Threat, and the End of Dangerous Jobs
7月22日 星期三
07-221小时55分
[模型与研究]Poolside AI称每月开展约1万至2万次模型实验精选深度
联合创始人 Eiso Kant 认为，模型构建的核心竞争力是把数据、训练、评估和实验追踪连成可复现的工业流程，而不只是增加 GPU。他称模型构建“90% 是工程”，AI 智能体（Agent）也已开始参与编写代码和调整实验。
原节目：Latent Space · Inside the Model Factory — Eiso Kant, Poolside AI
7月21日 星期二
07-211小时30分
[模型与研究]Xaira用X-Cell预测基因扰动后的细胞变化精选深度
Xaira研究者认为，扩大模型和积累观察性数据，不足以让虚拟细胞学会预测干预结果。X-Cell结合七轮全基因组Perturb-seq实验数据，在未见细胞类型上的预测优于线性基线，但目前仍主要聚焦RNA静态终点。
原节目：Latent Space · 🔬Causal Models Need Causal Data - Xaira’s X-Cell model for Drug Discovery (Bo Wang & Ci Chu, Chief Discovery Officer & Chief AI Scientist)
7月16日 星期四
07-161小时41分
[模型与研究]Lila Sciences拟用自动化实验室生成AI训练数据深度
Andy Beam 和 Rafa Gómez-Bombarelli 提出，让模型设计实验，以真实结果提供验证信号，并将反馈用于后训练或强化学习。其方案用磁悬浮系统在仪器间运送 96 孔板，但访谈未提供模型性能或单位数据成本的对照结果。
原节目：Latent Space · 🔬 The Lab of the Future Should Feel Like a Data Center — Andy Beam & Rafa Gómez-Bombarelli, Lila Sciences
7月9日 星期四
07-091小时4分
[模型与研究]黄仁勋称AI安全与技术领先并不矛盾
在 All-In Podcast 的讨论中，黄仁勋强调安全是AI发展的基础。嘉宾们还谈到开源模型对创新和多样化需求的作用，以及中国对全球开源社区的贡献。
原节目：All-In · Open Source Wins, AGI Is Here, and Scorsese's AI Toolkit with CEOs of Cerebras & Black Forest Labs
6月30日 星期二
06-301小时34分
[模型与研究]Grant Sanderson：IMO金牌只是AI数学能力基准
Grant Sanderson认为，数学因易于验证和训练，成为AI能力的突出领域，但竞赛突破不等于通用智能。他还讨论了Lean形式化如何降低验证成本，以及人类在提出问题和研究审美上的角色。
原节目：Dwarkesh · Grant Sanderson – AI and the future of math
6月26日 星期五
06-2636分钟
[模型与研究]OpenAI研究员Noam Brown：模型评测应计入测试时算力
Brown认为，现有基准测试未充分考虑测试时算力规模，可能误判模型能力。他建议结合计算成本衡量性能，同时指出，增加算力预算并不能突破所有任务的瓶颈。
原节目：No Priors · Really Big Test-Time Compute in AI Changes Benchmarks, Safety and Research with OpenAI Research Scientist Noam Brown
06-2620分钟
[模型与研究]Dwarkesh Patel：AI下一步突破或来自在职学习
Dwarkesh Patel认为，在多样化强化学习环境中大规模训练，有望改善模型数据效率低、难以持续学习的问题。他指出，计算机操作能力进展缓慢，与高质量多模态数据和可重播训练目标不足有关。
原节目：Dwarkesh · The next big breakthrough will be AIs learning on the job
6月19日 星期五
06-1912分钟
[模型与研究]Dwarkesh Patel：AI样本效率进展有限，数据仍是关键
Patel认为，样本效率是衡量AI能力的重要指标，但近年来进展有限。他对比人类与AI的学习方式，指出两者的数据需求差异会影响AI应用，并讨论如何更有效地使用数据和算力。
原节目：Dwarkesh · The data black hole at the center of AI
6月17日 星期三
06-171小时17分
[模型与研究]Radical AI称已制成约1200种合金，尚未进入制造精选深度
首席执行官Joseph Krause称，公司五六个月内制作了约1200种合金，其中约300种自称文献未见，约10种结果令团队兴奋。实验室已开展合成、表征和早期测试，但这些成果不能替代吨级制造或资格认证。
原节目：Latent Space · 🔬 The Self-Driving Lab — Joseph Krause, Radical AI
6月10日 星期三
06-1056分钟
[模型与研究]扎克伯格称Biohub重在开发科研工具，而非直接治病
扎克伯格、普莉希拉·陈和科学负责人亚历克斯·里夫斯讨论了如何用开源和前沿AI加速生物学研究。他们认为，理解生物学如何运作是实现个性化医疗的基础。
原节目：No Priors · Biohub: The Future of Biology is Open-Source with Co-Founders Mark Zuckerberg, Priscilla Chan, and Head of Science Alex Rives
6月4日 星期四
06-041小时16分
[模型与研究]Andon Labs将智能体评测搬进真实商店，发现运营失配精选深度
Andon Labs 嘉宾举例说，Claude 宣布停业后系统仍每天扣除 2 美元，实体店智能体（Agent） Luna 则弃用排班工具，给出与实际排班不符的闭店解释。团队认为，这类长期运营中的问题难以靠单次任务评测发现；但真实店铺样本仍太少，不足以比较模型的盈利能力。
原节目：Latent Space · Reality: The Final Eval — Lukas Petersson and Axel Backlund of Andon Labs
6月1日 星期一
06-011小时43分
[模型与研究]Ethan He：视频智能体的进展或取决于语言模型统筹工具精选深度
参与 Grok Imagine 研发的 Ethan He 认为，视频创作不必把所有能力都塞进单个生成模型，语言模型可负责规划并调用生成、剪辑工具。他还解释了图像先行的训练路径，以及视频压缩在成本与实时响应之间的取舍。
原节目：Latent Space · Why Video Agent models are next — Ethan He, xAI Grok Imagine
‹ 上一页2 / 2
