最佳拍档

【人工智能】最新大模型架构TTT | Test-Time Training | 测试时间训练层 | 用机器模型代替RNN隐藏层 | 能否超越Transformer和Mamba | 五年想法终成真

【商业】CIA亲手教学：如何不被人发现地搞垮一家创业公司 | 简单破坏现场手册 | 只需四步 | 破坏创业公司生产力

【人工智能】语言究竟是一种交流工具还是思考工具 | MIT论文解读 | 颠覆大语言模型 | 语言和思想之争 | 失语症 | 聋哑儿童

【Samsung】三星AI产品发布会精彩回顾 | Galaxy AI | Gemini | Fold6 | Flip6 | Ring | Watch Ultra | Buds3 Pro | 对标苹果

【人工智能】Meta CEO 扎克伯格最新访谈 | 智能眼镜的未来 | AI技术不是造神 | 社交媒体的两大趋势 | Meta AI Studio | 神经腕带 | Ray-Ban

【商业】中国”英伟达“300亿芯片骗局 | *ST左江 | 十七年未售一张芯片 | 财务造假 | 关联交易 | 券商违规推荐 | 退市 | DPU | 卡脖子

【人工智能】Solos发布全球首款集成GPT-4o智能眼镜AirGo Vision | 多模态视觉搜索 | 可更换镜框 | 25种语言实时翻译 | 能否挑战Meta Ray-Ban | AI眼镜的未来

【科技】无创测血糖真的靠谱么？| 堪比登月难度的科学研究 | 长达半个世纪的科学谣言 | 谷歌苹果三星华为纷纷入局 | 各种手段为何测不准血糖

【重制版】【人工智能】万字通俗讲解大语言模型内部运行原理 | LLM | 词向量 | Transformer | 注意力机制 | 前馈网络 | 反向传播 | 心智理论

本期播客详细解释了大语言模型（LLM）的内部工作机制，从词向量表示、Transformer 结构到训练方法和规模效应。播客首先介绍了词向量如何表示单词及其语义关系，然后解释了 Transformer 如何通过注意力机制和前馈网络处理信息，最终预测下一个单词。 通过分析 GPT-2 和 GPT-3 的例子，讲解了模型如何利用注意力头进行上下文理解和信息匹配，以及前馈层如何进行模式匹配和向量运算来进行推理。最后，播客探讨了大模型的训练方式、规模效应以及其在心智理论任务上的表现，指出模型规模的增长与其性能提升密切相关。

【OpenAI的崛起】第二部《梦想的转变》 | Bloomberg播客系列节目 | OpenAI混乱而理想主义的早期 | Ilya对AGI的预见 | 马斯克出局 | 第一次内斗

【人工智能】OpenAI发布CriticGPT | 让GPT-4给自己改bug | 基于RLHF训练 | 强制采样束搜索FSBS | 幻觉困扰依然存在

【人工智能】AI行业不是一场零和博弈 | Mustafa Suleyman | 微软AI CEO最新访谈 | Ilya是AI吹哨人 | 微软与OpenAI的关系 | 政府AI监管 | 人类重要历史转折

【人工智能】AI墓地—738个死亡AI项目留下的启示 | AI项目死亡的两大原因 | 什么样的AI初创公司有机会存活下来 | AI企业的护城河 | Neeva | AnswerAI | VidyoAI

【回答】Etched Sohu和Groq LPU的区别 | Transformer ASIC | TSP LPU | 主打推理场景

【人工智能】如何搭建10万个H100的GPU集群 | 40亿美元成本| 电力150兆瓦 | 并行化挑战 | 网络拓扑结构 | 可靠性与恢复 | 成本优化

【都市传说】乖乖之神如何保佑台湾AI行业 | 台湾著名零食 | IT、半导体行业的保护神 | 三种口味如何上贡 | 造句包 | 跨界联名

【人工智能】Google推出开源模型Gemma 2 | 9B和27B版本 | 性能大幅提升 | 免费可商用 | 全新训练架构 | 训练数据量翻倍 | 知识蒸馏

【人工智能】Etched AI推出ASIC芯片sohu挑战英伟达 | 三个哈佛辍学00后 | 融资1.2亿美元 | 推理速度比H100快20倍 | Transformer专用ASIC芯片

【科技】人脑计算机Neuroplatform | 缸中之脑是否将成为现实 | FinalSpark | 湿件计算 | 类器官智能 | 神经细胞体外存活 | 超越硅基AI的终极智能

【人工智能】《Wired》杂志硬刚PerplexityAI | 指控剽窃内容和胡说八道 | 爬虫不遵守robots协议 | 大模型幻觉编造内容 | AI搜索引擎能否撬开既有市场