Yuthon Pan · Technology

Gradient Descent Reads

Attention Is All You Need… to Listen. Gradient Descent Reads distills leading-edge papers in machine learning, computer vision, and robotics into crisp audio summaries. Each episode is auto-crafted with NotebookLM from my hand-picked papers, highlights, and notes—so you can stay on top of the research frontier while you commute, code, or caffeinate.

Episodes

在这个由两位主持人共同主持的播客中，他们深入探讨了英伟达（NVIDIA）的一篇名为 “Cosmos-Reason1：从物理常识到具身推理” 的研究论文。讨论涵盖了物理人工智能（AI）的必要性，以及当前 AI 在理解物理世界方面的局限性。他们详细分析了论文中提出的两个本体论——物理常识本体论和具身推理本体论，并探讨了用于训练 AI 模型的 SFT 和 RL 数据集的构建过程。此外，他们还评估了 Cosmos-Reason1 模型的架构、训练方法以及在各种基准测试中的表现，同时也批判性地审视了该研究的假设、局限性以及未来面临的挑战，最后总结了该研究的主要贡献，并探讨了其对科技内容创作、工业界和学术研究的启发。

E21｜VGGT：使用前馈模型完成三维场景重建

21 May 2025

50m

E20｜MASt3R-SLAM：基于 3D 重建先验的实时单目稠密SLAM

20 May 2025

57m

E19｜低比特 LLM 新纪元：BitNet v2、Falcon-Edge 与 CPU 推理引擎的协同创新

20 May 2025

59m

E18｜Tülu 3：RLVR 推进开源语言模型后训练前沿

20 May 2025

46m

E17｜WildGS-SLAM：动态环境单目高斯泼贱SLAM

20 May 2025

53m

E16｜Group Think：单个大模型内化“头脑风暴”，实现令牌级并发协作推理

20 May 2025

49m

E15｜TesserAct：用 RGB-DN 视频预测构筑 4D 具身世界模型

19 May 2025

53m

AI processed

本期 Gradient Descent Reads 播客深入探讨了名为 Tesseract 的研究论文，该研究旨在构建一个 4D 具身世界模型，使 AI 能够真正理解并与三维世界互动。两位主持人详细讨论了现有 2D 视频模型的局限性，解释了 4D 模型对于机器人感知和行动的重要性，并深入分析了 Tesseract 如何通过预测 RGB-DN 视频作为中间表示，巧妙地绕过直接生成复杂 4D 几何的难题。他们还讨论了 Tesseract 的数据构建方法、模型架构、重建过程以及实验结果，强调了其在提升机器人任务性能方面的潜力，并展望了 4D 世界模型在虚拟现实和科学研究等领域的应用前景。