1影片進階EN
Debating RSI, the US-China Gap, and Jaggedness of Frontier AI
訪談 Epoch AI 資深研究員 Jean-Stanislas Denain，探討 RSI 預測、中美 AI 差距成因及前沿模型訓練流程。兩人討論了自動化研究對產能的影響、中國模型落後於美國的原因，以及後訓練階段的具體策略與挑戰。
8,418次觀看
Interconnects AI
YouTube ・ 國際 ・ 英文 ・ A 級 ・ 6,550 訂閱 ・ 6 筆內容 ・ 最近更新 2026/09/22
Interconnects 的影片版（Nathan Lambert）：開源模型、後訓練與前沿模型能力的討論；剪輯短片多
最受歡迎
依人氣
- 2影片進階EN
Open Models: Kimi K3, Qwen 3.8, Xi's WAIC Speech, Distillation, The Open-Closed Gap, and What's Next
Nathan Lambert 與 Florian Brand 討論開源模型的最新動態，涵蓋 Kimi K3、Qwen 3.8 及中國實驗室表現。他們分析開源模型在特定任務上的潛力、與封閉模型的差距，並預測未來模型發展趨勢與競爭格局。
8,844次觀看 - 3影片高階EN
The State of Frontier Post-Training Recipes | Conversation with Finbarr Timbers
訪談 NVIDIA 與 AI2 專家，探討 frontier 模型後訓練（post-training）的演進趨勢，包括從傳統 RLHF 轉向專家基模型（expert-based）與多教師器政策蒸餾（MOPD）。
- 4影片進階EN
Artifacts Hub: The Place to Track the Open Models That Actually Matter
介紹 Interconnects AI 推出的 Artifacts Hub，用於追蹤真正重要的開放模型。讓讀者了解如何透過該平台掌握模型生態系動態與採用情況。
1,132次觀看※ 摘要僅根據標題與說明
- 5影片進階EN
Inside China's AI Labs with Interconnects & SAIL Media
Nathan Lambert 與 Florian 訪談中國 AI 實驗室，探討研究文化、晶片限制及與灣區的差異。內容涵蓋 DeepSeek、ByteDance 等公司動態與政府支援層級。
2,163次觀看※ 摘要僅根據標題與說明
- 6影片進階EN
My Bets on Where Open LLMs Go Next
Nathan Lambert 整理他在 2026 年撰寫的系列文章，分析開放式大型語言模型與封閉模型的長期趨勢與生態系現狀。內容涵蓋美國本土模型的發展策略及未來平衡點，適合關注 AI 產業動態與模型演進的讀者。
911次觀看※ 摘要僅根據標題與說明
最新內容
依發布時間
- 影片進階EN
Debating RSI, the US-China Gap, and Jaggedness of Frontier AI
訪談 Epoch AI 資深研究員 Jean-Stanislas Denain，探討 RSI 預測、中美 AI 差距成因及前沿模型訓練流程。兩人討論了自動化研究對產能的影響、中國模型落後於美國的原因，以及後訓練階段的具體策略與挑戰。
8,418次觀看 - 影片進階EN
Artifacts Hub: The Place to Track the Open Models That Actually Matter
介紹 Interconnects AI 推出的 Artifacts Hub，用於追蹤真正重要的開放模型。讓讀者了解如何透過該平台掌握模型生態系動態與採用情況。
1,132次觀看※ 摘要僅根據標題與說明
- 影片進階EN
Open Models: Kimi K3, Qwen 3.8, Xi's WAIC Speech, Distillation, The Open-Closed Gap, and What's Next
Nathan Lambert 與 Florian Brand 討論開源模型的最新動態，涵蓋 Kimi K3、Qwen 3.8 及中國實驗室表現。他們分析開源模型在特定任務上的潛力、與封閉模型的差距，並預測未來模型發展趨勢與競爭格局。
8,844次觀看 - 影片高階EN
The State of Frontier Post-Training Recipes | Conversation with Finbarr Timbers
訪談 NVIDIA 與 AI2 專家，探討 frontier 模型後訓練（post-training）的演進趨勢，包括從傳統 RLHF 轉向專家基模型（expert-based）與多教師器政策蒸餾（MOPD）。
- 影片進階EN
Inside China's AI Labs with Interconnects & SAIL Media
Nathan Lambert 與 Florian 訪談中國 AI 實驗室，探討研究文化、晶片限制及與灣區的差異。內容涵蓋 DeepSeek、ByteDance 等公司動態與政府支援層級。
2,163次觀看※ 摘要僅根據標題與說明
- 影片進階EN
My Bets on Where Open LLMs Go Next
Nathan Lambert 整理他在 2026 年撰寫的系列文章，分析開放式大型語言模型與封閉模型的長期趨勢與生態系現狀。內容涵蓋美國本土模型的發展策略及未來平衡點，適合關注 AI 產業動態與模型演進的讀者。
911次觀看※ 摘要僅根據標題與說明