David的AI全景图

光华David
  • 5,0 (1)
  • ТЕХНОЛОГИИ
  • ДВАЖДЫ В НЕДЕЛЮ

David的开源学习笔记和自制狗粮

  1. -18 Ч

    强化学习之父萨顿最新访谈：大模型走错了路

    来自近日对强化学习之父、2024年图灵奖得主Richard Sutton的访谈。 来源：https://www.youtube.com/watch?v=GvibIstOn_E

    17 мин.

  2. -3 ДН.

    创业公司如何构建智能体？

    Google最近发布的“创业公司智能体构建指南”，内容很实用。 介绍了 AI 代理的核心概念，包括模型（如 Gemini 2.5 Pro/Flash）、工具、编排和运行时环境。 如何通过 Agent Development Kit (ADK) 构建定制代理，或利用 Google Agentspace 进行无代码自动化和代理管理。  AgentOps 框架：一个系统化的方法论，用于确保生产级 AI 代理的可靠性、安全性和持续评估。PDF原文：https://services.google.com/fh/files/misc/startup_technical_guide_ai_agents_final.pdf

    9 мин.

  3. -5 ДН.

    Codex的前生今世和AI编程的未来

    当 AI 成为真正的编码协作者时会发生什么？OpenAI 联合创始人 Greg Brockman 和 Codex 工程负责人 Thibault Sottiaux， 畅谈 Codex 的演变历程。 从 AI 编写代码的雏形，到如今能够连续数小时进行复杂重构的 GPT-5 Codex 代理。他们探讨了“线束”的构建、代理编码的兴起、代码审查的突破，以及 AI 在未来几年将如何改变软件开发。 来源：https://openai.com/zh-Hans-CN/podcast/#oai-podcast-episode-6

    27 мин.

  4. 18 СЕНТ.

    OpenAI内部工程师都是如何使用Codex的

    来自OpenAI内部工程师访谈的真实用例和最佳实践。 来源：https://cdn.openai.com/pdf/6a2631dc-783e-479b-b1a4-af0cfbd38630/how-openai-uses-codex.pdf

    9 мин.

  5. 16 СЕНТ.

    聊聊刚发布的GPT 5-Codex

    OpenAI昨天发布了AI编程工具Codex有史以来最大的更新。 来源：https://openai.com/index/introducing-upgrades-to-codex/

    12 мин.

  6. 11 СЕНТ.

    Thinking Machines最新论文《克服LLM推理中的不确定性》

    由史上最大种子轮融资（20亿美元）、OpenAI前CTO Mira Myrati领衔创立的Thinking machine Labs，前天发布了这篇论文《克服 LLM 推理中的不确定性》。 摘要： 可重复性是科学进步的基石。然而，从大语言模型中获得可重复的结果极其困难。 例如，你可能观察到向ChatGPT多次提出同一个问题会得到不同的结果。这本身并不令人惊讶，因为从语言模型获得结果涉及"采样"过程——将语言模型的输出转换为概率分布并概率性地选择一个token。来源：https://thinkingmachines.ai/blog/defeating-nondeterminism-in-llm-inference/

    13 мин.

  7. 10 СЕНТ.

    吴恩达Claude Code课程精华

    吴恩达和Anthropic技术教育主管Elie Schoppik一起开的课。 使用 Claude 代码来探索、开发、测试、重构和调试代码库。 使用 MCP 服务器（例如 Playwright 和 Figma MCP 服务器）扩展 Claude Code 的功能。 将 Claude Code 最佳实践应用于三个项目：探索和开发 RAG 聊天机器人的代码库、重构 Jupyter 笔记本以获取电子商务数据并将其转换为仪表板、以及从 Figma 模型构建 Web 应用程序。来源：https://www.deeplearning.ai/short-courses/claude-code-a-highly-agentic-coding-assistant/

    12 мин.

  8. 8 СЕНТ.

    Granola创始人访谈：如何打造令人喜爱的AI产品

    Granola 是一家罕见的人工智能初创公司，它涉足了科技界最拥挤的利基市场之一——会议记录，却仍然成功成为创始人和风险投资家们热捧的产品。 在本期节目中，MAD Podcast 主持人 Matt Turck 与 Granola 联合创始人兼首席执行官 Chris Pedregal 进行了访谈，深入探讨了一支伦敦的二人团队如何将一个简单的“第二大脑”创意打造成硅谷最受欢迎的人工智能工具。 Chris 讲述了他们一年来如何悄无声息地逐一引导用户，如何将 50% 的功能削减到极致，以及如何在投资者批评他们疯狂的时候，拒绝部署会议机器人或存储音频。我们深入探讨了打造一款备受喜爱的人工智能产品的精髓：选择会议记录（而非电子邮件）作为数据楔入点，设计日历触发的习惯循环，以及如何对隐私的极致关注，最终赢得用户的信任，将记忆功能外包出去。 Chris 揭秘了 Granola 的技术栈——Deepgram 和 Assembly 的实时自动语音识别 (ASR)、设备上的回声消除以及跨 OpenAI、Anthropic 和 Google 模型的动态路由——并解释了为什么转录而非 LLM 代币是当今最大的成本驱动因素。他还揭示了内部评估工具如何让团队在一夜之间切换模型，而不会破坏“Granola 的声音”。 来源：www.youtube.com

    13 мин.
См. все (66)

Об этом подкасте

David的开源学习笔记和自制狗粮

Информация

  • Автор
    光华David
  • Годы выхода
    2 тыс.
  • Выпуски
    66
  • Ограничения
    Без ненормативной лексики
  • Авторские права
    © 光华David@小宇宙App
  • Сайт подкаста
    David的AI全景图

Вам может также понравиться