PodDeck
← 全部标签
标签

#interpretability

3 集相关 · 3 集已生成

已生成

178: 与田渊栋聊 RSI:模型自进化如何到来?

田渊栋 · Recursive Superintelligence 联合创始人

本期晚点聊对谈 Recursive Superintelligence 联合创始人田渊栋,深度拆解 RSI(递归自进化)为什么从去年的冷门概念变成今年硅谷的共识性话题:coding agent 变强、模型能充当研究员,让「AI 改进 AI」的闭环第一次有可能成立。田渊栋分享了他去年八月与 GPT-5 合写论文时看到信号、决定创业的契机,分析 Anthropic 与 OpenAI 的公开时间表,并指出「率先实现 RSI 就会强者愈强」这个假设的漏洞——他推演进步是 S 型曲线加平台期,scaling law 不是全部。节目还详细解读了该公司 First Steps 三个 benchmark 的 SOTA 成果,以及他作为可解释性少数派的信念:AI 终将变成科学。

149. 亲历中美neo labs资本狂潮,和清华刘子鸣聊:AI for AI、机制可解释性和Max Tegmark

刘子鸣 · 清华大学人工智能学院助理教授 & 元环智能首席科学家

清华大学人工智能学院助理教授、元环智能首席科学家刘子鸣分享了他从北大物理到 MIT、再到回国创业的学术与创业历程。 他提出了 AI for AI 的独特路线——AI for Physics of AI for AI,强调在自动化研究之前必须先通过物理学方法论理解 AI 的内部机制。 刘子鸣深入剖析了 2026 年中美 New Labs 的资本狂潮、元模型的可行性、OPHIS 结构化研究框架,以及"Vibe Training"——让每个人都能够训练自己模型的终极愿景。

133. 对谢赛宁的7小时马拉松访谈:世界模型、逃出硅谷、AMI Labs、两次拒绝Ilya、杨立昆、李飞飞和42

谢赛宁 · NYU 助理教授 / Emi Labs 联合创始人 & Chief Science Officer

NYU 助理教授谢赛宁(Saining Xie)在 7 小时的深度对谈中,完整回顾了从交大 ACM 班到 NYU、从表征学习研究到与杨立昆联合创立 Emi Labs 的历程。他系统阐述了何为世界模型、为什么 LLM 不是通往通用智能的地基,分享了两次拒绝 Ilya Sutskever 的底层逻辑,以及 DiT 如何从一篇被拒稿的论文变成 Sora 的骨架。