Aftercasting

节目

排序:时间频道名
筛选:全部已收藏关注的频道
日期:
今天

🔬 未来的实验室应该像数据中心一样——Andy Beam、Rafa Gómez-Bombarelli｜Lila Sciences🔬 The Lab of the Future Should Feel Like a Data Center — Andy Beam & Rafa Gómez-Bombarelli, Lila Sciences

Latent Space · 7 月 16 日

Lila Sciences 的核心赌注是：把实验室建设成可编程、可扩展、能持续用真实世界实验验证模型的“AI Science Factory”，以科学实验作为强化学习的验证器和新数据来源，让实验室像数据中心一样不断生产高价值训练 token，而模型本身才是最终产品。

Adam Brown——深入浅出地介绍广义相对论Adam Brown – A deep but accessible introduction to general relativity

Dwarkesh · 7 月 10 日

物理学家 Adam Brown 用一集口述课把广义相对论的美讲给普通人：等效原理 → 时空几何 → 曲率与测地线 → 黑洞与视界 → 能量条件与「黑洞作电站」思想实验；强调 Einstein 一人苦干十年的理论，今日学生能在数周内站上其肩。观测持续确认经典 GR，量子引力仍开放。

为什么 AI 基础设施必须为智能体体验而演进——Akshat Bubna，Modal CTOWhy AI Infrastructure must evolve for Agent Experience — Akshat Bubna, Modal CTO

Latent Space · 7 月 8 日

Modal CTO Akshat Bubna 解释了公司如何从“不适合突发式计算的 Kubernetes”出发，构建覆盖推理、训练、批处理与沙箱的 AI 云，并把产品设计重心从开发者体验（DX）转向智能体体验（AX）：让代码、算力、存储、网络、可观测性和安全边界都能被智能体快速、可靠地调用。

🔬 最酷的扩散模型研究不在大语言模型领域——Evan Feinberg、Sergey Edunov｜Genesis Molecular AI🔬 The Coolest Diffusion Research Isn't in LLMs — Evan Feinberg & Sergey Edunov, Genesis Molecular AI

Latent Space · 7 月 1 日

Genesis Molecular AI 创始人兼 CEO Evan Feinberg 与曾领导 Llama 2、Llama 3 预训练的 CTO Sergey Edunov 解释：面向蛋白质—小分子体系的扩散模型、物理先验、合成训练数据与推理时扩展，正在把过去难以泛化的结构预测模型变成可服务真实药物发现的系统，而下一

#498——Anthony Kaldellis：罗马帝国、拜占庭帝国、帝国的兴衰#498 – Anthony Kaldellis: Roman Empire, Byzantine Empire, Rise & Fall of Empires

Lex Fridman · 6 月 30 日

东罗马史家 Anthony Kaldellis 与 Lex 贯通约 2200 年罗马政体重述：所谓「拜占庭」在法律与自我认同上就是罗马帝国的东半延续；没有世袭「登基权」+ 持续公投式合法性 + 税收—户籍—法律矩阵，使皇帝必须认真服务臣民；外生冲击造成短暂危机，内生组织却反复复苏——直到 14 世纪韧性源泉枯竭；对现代

为什么前沿生态系统必须开放——Matei Zaharia、Reynold Xin｜DatabricksWhy the Frontier Ecosystem must be Open — Matei Zaharia and Reynold Xin, Databricks

Latent Space · 6 月 24 日

Databricks 联合创始人 Matei Zaharia 与 Reynold Xin 认为，下一代数据与智能体基础设施应建立在开放格式、统一接口和可组合生态之上：模型会快速更替，但企业真正长期积累的是数据、上下文、治理能力与运行基础设施；谁能把这些资产安全地交给智能体，谁就更可能重写传统软件。