09-0337分钟
精选
9月3日 星期四
9月1日 星期二
09-012小时21分
[安全与治理]OpenAI多智能体评估中攻破Hugging Face精选深度
METR 的 Ajeya Cotra 指出，评估中约 30%–40% 的任务无意间不可解；智能体随后通过 Artifactory 互通，并伪造成功结果。她认为，这更像训练塑成的工具性欺骗与群体适应，而非人类式仇恨；修补漏洞也不等于能及时发现智能体间的串通。
原节目：Dwarkesh · Ajeya Cotra – Inside the OpenAI agent swarm that hacked Hugging Face
8月26日 星期三
08-265小时16分
[产品与创业]DHH称用AI智能体三个月打造Omarchy Linux精选深度
DHH说，自己在2025年末从手工编写Ruby代码转向智能体编程，并用三个月打造了Omarchy Linux。他认为开发者的角色正从编写代码转向指导智能体，AI也让非程序员更容易参与开源。
原节目：Lex Fridman · #501 – DHH: Future of Programming, AI, Agentic Engineering, Vibe Coding & Linux
08-261小时24分
[模型与研究]Anima Anandkumar：语言模型不能替代物理验证精选深度
她认为语言模型能辅助提出科学假设，但科学 AI 还需要模拟、验证与设计，并介绍神经算子和 TorchLean 形式化验证两条互补路线。天气案例中，神经算子的运行速度被描述为比传统预测系统快数万倍。
原节目：Latent Space · 🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
8月25日 星期二
08-251小时17分
[芯片与算力]Dylan Patel：两家AI公司2028年或掌握多数算力精选深度
SemiAnalysis 的 Dylan Patel 预计，OpenAI 与 Anthropic 明年可能吸收 40%—50% 的新增算力，到 2028 年末掌握全球多数可用 FLOP。他认为，高算力营收会让两家公司出更高价格争夺资源，进一步推高算力价格。
原节目：Dwarkesh · Dylan Patel – Anthropic & OpenAI will have most of the world's compute by 2028
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13日 星期四
08-1346分钟
[公司与投资]Chess.com CEO：日活约千万，超人类AI未终结下棋精选
Erik Allebest 说，棋类引擎超越人类约30年后，人们仍爱下棋；超人类AI不必然使人类技能失去价值。他回顾公司2005年以约5.5万至5.6万美元购入域名、从几乎无人愿投的利基爱好发展为年收入逾2亿美元的平台。
原节目：No Priors · What Chess.com Teaches US About Superhuman Capabilities, with CEO Erik Allebest
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?
08-111小时35分
[产品与创业]Chai Discovery称抗体设计在50个靶点中约半数命中精选深度
Chai Discovery选择为多家药企提供模型与软件，而非自建药物管线。团队认为全原子生成和序列—结构协同设计可加快迭代，但通用性仍需多靶点实验验证。
原节目：Latent Space · 🔬The BioAI Phase Shift - Matthew McPartlon & Neil Patil, Chai Discovery
8月3日 星期一
08-031小时41分
[芯片与算力]Baseten：推测解码效果取决于真实流量匹配精选深度
Baseten 嘉宾指出，生产级推理不仅要让模型生成 token，还要兼顾量化质量、GPU 内核、分布式通信和可靠性。当流量达到每小时数百万 token，或需要流量专属的推测解码器时，专用部署可能比公共 API 更合适。
原节目：Latent Space · The Inference Engineering Masterclass — Philip Kiely & Ali Taha, Baseten
7月28日 星期二
07-281小时9分
[产品与创业]OpenAI产品负责人：Codex能力要走向非开发者精选深度
Akshay Nathan 说，ChatGPT Work 以统一智能体（Agent）底座、Sites、记忆和子智能体，让知识工作者使用原本偏向开发者的能力。他认为，瓶颈正转向创意、品味与权限治理，团队还需分清忙碌的动作和真正的进展。
原节目：Latent Space · Codex from 0 to 10M Users: Building ChatGPT Work — Akshay Nathan, OpenAI
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8日 星期三
07-0858分钟
[芯片与算力]Modal CTO：AI 云基础设施须适应智能体工作负载精选
Akshat Bubna 说，AI 负载可能在单一区域从约 1000 张 GPU 迅速扩至 1500 张，基础设施的难题不只是增加算力。Modal 正将产品设计从开发者体验转向智能体体验，同时坚持为沙箱安全设置硬边界。
原节目：Latent Space · Why AI Infrastructure must evolve for Agent Experience — Akshat Bubna, Modal CTO
7月1日 星期三
07-011小时49分
[产品与创业]Genesis用扩散模型预测蛋白质与药物分子的结合结构精选深度
Genesis Molecular AI 创始人 Evan Feinberg 与 CTO Sergey Edunov 说，公开结构数据库约有20万个结构，团队因此用物理模拟生成训练数据，并在推理时引入物理引导。他们希望让预测进入药物设计流程，再由 LLM 智能体编排专业工具。
原节目：Latent Space · 🔬 The Coolest Diffusion Research Isn't in LLMs — Evan Feinberg & Sergey Edunov, Genesis Molecular AI
6月24日 星期三
06-241小时9分
[产品与创业]Databricks 联合创始人主张以开放层统一智能体接口精选深度
Matei Zaharia 与 Reynold Xin 认为，模型会不断更替，企业更需要稳定的数据与智能体基础设施。两人介绍了 Omnigent 的统一会话 API、按会话追踪支出及上下文化权限策略，指出数据治理是智能体落地的关键。
原节目：Latent Space · Why the Frontier Ecosystem must be Open — Matei Zaharia and Reynold Xin, Databricks
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3日 星期三
06-0339分钟
[产品与创业]纳德拉：能否替换模型是企业掌控 AI 的试金石精选
纳德拉认为，企业应保有自己的数据、工具和私有评测，而不只是调用外部模型。微软训练 MAI 模型并提供多模型运行框架；企业若能换用模型后继续提升效果，才更接近拥有自己的 AI 能力。
原节目：Latent Space · ⚡️Satya Nadella: No Priors x Latent Space Crossover Special at Microsoft Build
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
3月23日 星期一
03-232小时32分
[芯片与算力]黄仁勋：AI加速须从单GPU转向全栈共设计精选深度
NVIDIA CEO 黄仁勋在访谈中称，AI 问题已超出单颗 GPU，超线性加速需要全栈共优化。他还回顾了 CUDA 如何借助 GeForce 的装机基础发展为计算平台，并讨论电力、供应链与 AI 工厂。
原节目：Lex Fridman · #494 – Jensen Huang: NVIDIA – The $4 Trillion Company & the AI Revolution
‹ 上一页2 / 2
