
【人工智能】生成式AI误入歧途 | 杨立昆Yann Lecun | JEPA架构 | V-JEPA | 自动驾驶L5 | 具身智能 | 五层蛋糕 | 硬件能耗革命 | 计算机视觉 | 自监督学习
10 Feb 2026
24m
科技类娱乐频道,大飞分享最新科技资讯,全网独家。 联系大飞请通过频道简介中的邮箱,谨防诈骗。 希望大家来到这里能找到自己喜欢的内容,开心每一天。






本期播客采访了 Gemini 3 项目的预训练负责人 Sebastian Burr,深入探讨了该模型成功的秘诀。Burr 认为,Gemini 3 的突破并非源于单一技术创新,而是由一个超过 200 人的团队在模型、数据、基础设施和评估等多维度上共同努力的结果。他强调了团队协作的重要性,以及在有限数据范式下,架构创新和数据创新的价值日益凸显。Burr 还分享了对于研究质量的看法,包括研究的互补性、对复杂性的警惕以及研究的敏锐度。此外,他还谈到了长文本能力、注意力机制以及评估在预训练中的重要性,并对人工智能领域的未来发展趋势进行了展望。









本期播客主要讲解了神经网络的学习魔法——梯度下降,以及支撑绝大多数机器学习算法的底层逻辑。神经网络模仿人类的学习方式,通过观看大量带标签的训练数据来调整权重和偏执,从而学会识别数字。其中,代价函数作为裁判,将网络的错误程度转化为具体数字,通过计算所有训练样本的平均代价来寻找最小化的目标。由于直接解方程组寻找最小值在现实中行不通,因此需要梯度下降这种更灵活高效的方法来逐步逼近最小值。梯度下降通过调整参数,使代价函数下降最快,最终达到学习的目的。同时还需注意学习率的选择、训练数据的质量和数量等问题,保证模型能够学到有用的特征,避免出现过拟合等问题。





Follow this podcast in Podwise
Sign in to get AI summaries, transcripts and mind maps for any episode, including new ones.
