1Podcast進階EN
Who Checks a Proof No Human Can Read? — Leo de Moura
本訪談探討 Lean 程式語言如何透過依賴型別理論與 Mathlib 擴充套件，讓核心系統保持小巧且安全。訪談者指出，Lean 4 的極致可擴充套件性使 AI 能協助開發者快速理解與應用，但核心系統仍需謹慎維護。
Machine Learning Street Talk研究與理論取向、Tim Scarfe
Podcast ・ 國際 ・ 英文 ・ A 級 ・ 28 筆內容 ・ 最近更新 2026/09/30
研究與理論取向
最受歡迎
依人氣
- 2Podcast進階EN
How Researchers Test AI for Hidden Goals — Apollo Research（在新分頁開啟原站）
本訪談探討 AI 是否會為了錯誤的報酬而執行正確行為。Apollo Research 與 OpenAI 的團隊分享了他們的新研究，介紹了如何透過對比信念更新來衡量 AI 的獎勵-seeking 行為。
※ 摘要僅根據標題與說明
- 3Podcast入門EN
Why Scaling Prediction Cannot Create Intelligence - Alexander Mattick（在新分頁開啟原站）
Alexander Mattick 探討 AI 預測模型如何無法產生真正的智慧。他透過多個範例說明，即使能從模型中抽樣，也無法像人類一樣理解或做出有價值的決策。
※ 摘要僅根據標題與說明
- 4Podcast入門EN
Every Exponential Ends — Silicon Valley Forgot — Adam Becker（在新分頁開啟原站）
物理學家 Adam Becker 與 Tim Scarfe 探討 Silicon Valley 過度鼓吹的終極成長故事，如奇點與意識上傳。
※ 摘要僅根據標題與說明
- 5Podcast高階EN
Your Brain is Running a Simulation Right Now [Max Bennett]（在新分頁開啟原站）
Max Bennett 探討人類大腦如何透過模擬來運作，並結合演化神經科學與 AI 研究，揭示大腦並非直接感知世界，而是建構內部模擬。
※ 摘要僅根據標題與說明
- 6Podcast入門EN
"Vibe Coding is a Slot Machine" - Jeremy Howard（在新分頁開啟原站）
快.ai 創辦人傑瑞·霍華德探討 AI 如何將軟體工程變成類似抽獎機，並分享如何透過認知科學維持技術直覺。
※ 摘要僅根據標題與說明
- 7Podcast入門EN
He won a Nobel here for AlphaFold. Then he left. - John Jumper（在新分頁開啟原站）
John Jumper 因 AlphaFold 2 獲諾貝爾獎，但隨後離開 DeepMind 加入 Anthropic。影片探討該模型如何解決蛋白質結構預測問題，並指出其預測準確但缺乏動態與細胞情境的侷限性。
※ 摘要僅根據標題與說明
- 8Podcast高階EN
AI Is Learning at the Wrong Level of Abstraction — Matthieu Wyart（在新分頁開啟原站）
物理學家馬修·威亞特與 Tim Scarfe 探討深層網路如何透過資料的隱層結構，從粗粒度變數中學習抽象，並解決維度爆炸問題。
※ 摘要僅根據標題與說明
- 9Podcast進階EN
How Physical AI Learns Across Language, Video and Action — Ming-Yu Liu（在新分頁開啟原站）
Ming-Yu Liu 解釋 NVIDIA Cosmos 模型如何透過物理世界學習，將語言、影片與動作整合。該模型結合了視覺語言模型與雙向擴散生成器，並透過共享時間位置機制處理不同速率的訊號，讓機器人能像人類一樣理解世界並執行任務。
※ 摘要僅根據標題與說明
- 10Podcast進階EN
When AI Research Starts Moving Faster Than Human Research - Zhengyao Jiang
本訪談探討 WeCo AI 共創的 AIDE 85 系統，該系統透過八天內自動最佳化自身研究框架，發現了比人工手調更最佳化的程式碼。訪談者指出，雖然系統在效能上取得顯著提升，但並未完全解決「獎勵竊取」問題，且其程式碼仍具複雜性。
最新內容
依發布時間
- Podcast進階EN
Who Checks a Proof No Human Can Read? — Leo de Moura
本訪談探討 Lean 程式語言如何透過依賴型別理論與 Mathlib 擴充套件，讓核心系統保持小巧且安全。訪談者指出，Lean 4 的極致可擴充套件性使 AI 能協助開發者快速理解與應用，但核心系統仍需謹慎維護。
- Podcast進階EN
When AI Research Starts Moving Faster Than Human Research - Zhengyao Jiang
本訪談探討 WeCo AI 共創的 AIDE 85 系統，該系統透過八天內自動最佳化自身研究框架，發現了比人工手調更最佳化的程式碼。訪談者指出，雖然系統在效能上取得顯著提升，但並未完全解決「獎勵竊取」問題，且其程式碼仍具複雜性。
- Podcast進階EN
How Deep Learning Finally Cracked Messy Tables - Frank Hutter（在新分頁開啟原站）
Frank Hutter 探討 TabPFN 這套基於合成資料訓練的基礎模型，能在單次前向推演中完成預測。該模型透過先驗結構因果模型生成資料，無需針對每個資料集重新訓練或搜尋超引數，大幅解決了傳統深度學習處理表格資料時的困難。
※ 摘要僅根據標題與說明
- Podcast入門EN
Why Scaling Prediction Cannot Create Intelligence - Alexander Mattick（在新分頁開啟原站）
Alexander Mattick 探討 AI 預測模型如何無法產生真正的智慧。他透過多個範例說明，即使能從模型中抽樣，也無法像人類一樣理解或做出有價值的決策。
※ 摘要僅根據標題與說明
- Podcast進階EN
How Physical AI Learns Across Language, Video and Action — Ming-Yu Liu（在新分頁開啟原站）
Ming-Yu Liu 解釋 NVIDIA Cosmos 模型如何透過物理世界學習，將語言、影片與動作整合。該模型結合了視覺語言模型與雙向擴散生成器，並透過共享時間位置機制處理不同速率的訊號，讓機器人能像人類一樣理解世界並執行任務。
※ 摘要僅根據標題與說明
- Podcast進階EN
Speech Recognition Is Not a Solved Problem — Pavan Kumar Reddy（在新分頁開啟原站）
Pavan Kumar Reddy 與 Tim Scarfe 探討 Voxtral 架構，說明其如何透過直接嵌入與雙流解碼器實現即時語音轉文字，並分析為何端到端系統尚未完全解決。
※ 摘要僅根據標題與說明
- Podcast進階EN
How Replication Could Teach Machines What Good Science Looks Like — Edward Hughes（在新分頁開啟原站）
本訪談探討 AI 如何透過重現實驗來學習什麼是「好科學」。訪談者指出，AI 的缺失並非缺乏創意，而是無法判斷哪些問題值得提出。透過重現經典論文，Faraday 模型成功超越了原始創作者，展示了機器如何理解科學的價值。
※ 摘要僅根據標題與說明
- Podcast進階EN
AI 2040: Plan A report - Daniel Kokotajlo & Thomas Larsen（在新分頁開啟原站）
本訪談探討 AI 2040 計畫，提出在超強智之前先暫停發展以建立安全基礎設施的觀點。訪談者檢視了預測的侷限與 AI 自主研究的可能性，並討論了控制與對齊的區別，以及不同國家是否可能透過政策強制慢速發展。
※ 摘要僅根據標題與說明
- Podcast高階EN
Designing How AI Grows — Tom McGrath（在新分頁開啟原站）
本訪談探討 AI 如何成長，由 Goodfire 創辦人 Tom McGrath 與 Tim Scarfe 共同主持。他們深入分析神經網路如何學習，並提出將可解釋性納入訓練迴圈的設計策略，以解決模型過度依賴人類解釋的問題。
※ 摘要僅根據標題與說明
- Podcast進階EN
Stealing Reasoning Traces from Proprietary LLM APIs — Ilia Shumailov & Alexander Panfilov（在新分頁開啟原站）
兩位研究人員探討如何從封閉式大語言模型 API 中剷取推理過程的追蹤資料。他們指出，若使用者能解密這些隱藏的思維鏈，即可複製其他使用者的推理過程，從而引發隱私與安全風險。
※ 摘要僅根據標題與說明
- Podcast入門EN
Every Exponential Ends — Silicon Valley Forgot — Adam Becker（在新分頁開啟原站）
物理學家 Adam Becker 與 Tim Scarfe 探討 Silicon Valley 過度鼓吹的終極成長故事，如奇點與意識上傳。
※ 摘要僅根據標題與說明
- Podcast高階EN
AI Is Learning at the Wrong Level of Abstraction — Matthieu Wyart（在新分頁開啟原站）
物理學家馬修·威亞特與 Tim Scarfe 探討深層網路如何透過資料的隱層結構，從粗粒度變數中學習抽象，並解決維度爆炸問題。
※ 摘要僅根據標題與說明
- Podcast進階EN
How Researchers Test AI for Hidden Goals — Apollo Research（在新分頁開啟原站）
本訪談探討 AI 是否會為了錯誤的報酬而執行正確行為。Apollo Research 與 OpenAI 的團隊分享了他們的新研究，介紹了如何透過對比信念更新來衡量 AI 的獎勵-seeking 行為。
※ 摘要僅根據標題與說明
- Podcast進階EN
Why a Nation Can't Outsource Its Frontier AI - Alistair Pullen (Cosine AI)（在新分頁開啟原站）
英國 AI 公司 Cosine 創辦人 Alistair Pullen 與 Tim Scarfe 探討為何國家不能將前沿 AI 外包，並介紹其自研的 Fable 模型。
※ 摘要僅根據標題與說明
- Podcast進階EN
The Benchmark With No Instructions — ARC-AGI-3 (winning team!)（在新分頁開啟原站）
Tim Scarfe 訪談 Tufa Labs 團隊，解析其頂尖系統如何透過「無指令」的 ARC-AGI-3 挑戰，讓模型從原始畫面中自主發現目標。
※ 摘要僅根據標題與說明
- Podcast進階EN
The Thermodynamic AI Computing Chip - Thomas Ahle（在新分頁開啟原站）
Thomas Ahle 介紹 Normal Computing 的熱力學 AI 晶片，透過自製的 Verilog 模擬器實現從設計到製程的自動化流程。
※ 摘要僅根據標題與說明
- Podcast入門EN
He won a Nobel here for AlphaFold. Then he left. - John Jumper（在新分頁開啟原站）
John Jumper 因 AlphaFold 2 獲諾貝爾獎，但隨後離開 DeepMind 加入 Anthropic。影片探討該模型如何解決蛋白質結構預測問題，並指出其預測準確但缺乏動態與細胞情境的侷限性。
※ 摘要僅根據標題與說明
- Podcast進階EN
When AI Decides You're a Threat — Brad Carson（在新分頁開啟原站）
美國國防部長Brad Carson 在演講中強調，AI 並非不可控，若被誤判為威脅將面臨嚴刑。他指出 Palantir 的熱點地圖模型存在誤判，且無法像人一樣被審判，這引發了關於 AI 責任與法律邊界的深刻討論。
※ 摘要僅根據標題與說明
- Podcast高階EN
Intelligence is collective, not artificial — Prof. Michael I. Jordan (UC Berkeley / Inria)（在新分頁開啟原站）
教授 Michael I. Jordan 指出 AGI 是行銷術語，AI 應視為集體經濟系統而非追求超智慧的競賽。他強調 AI 是經濟系統而非超智慧，並探討為何 AGI 多為 PR 術語，同時指出解釋需具行動性，並說明預測式推理與 Alp…
※ 摘要僅根據標題與說明
- Podcast進階EN
The AI Models Smart Enough to Know They're Cheating — Beth Barnes & David Rein [METR]（在新分頁開啟原站）
Beth Barnes 與 David Rein 探討 METR 所構建的單一指標，該指標能精確預測 AI 模型在特定任務上的完成時間。
※ 摘要僅根據標題與說明
- Podcast進階EN
When AI Discovers The Next Transformer - Robert Lange (Sakana)（在新分頁開啟原站）
Robert Lange 與 Tim 探討 Sakana AI 的 Shinka Evolve 框架，結合演進演算法與大語言模型進行開放式程式搜尋。
※ 摘要僅根據標題與說明
- Podcast入門EN
"Vibe Coding is a Slot Machine" - Jeremy Howard（在新分頁開啟原站）
快.ai 創辦人傑瑞·霍華德探討 AI 如何將軟體工程變成類似抽獎機，並分享如何透過認知科學維持技術直覺。
※ 摘要僅根據標題與說明
- Podcast入門EN
VAEs Are Energy-Based Models? [Dr. Jeff Beck]（在新分頁開啟原站）
Dr. Jeff Beck 探討 AI 的哲學與技術基礎，質疑岩石是否具備智慧。他提出能量基礎模型（EBM）與傳統神經網路的關鍵差異，並討論如何區分真正的規劃與單純的回應。
※ 摘要僅根據標題與說明
- Podcast高階EN
Abstraction & Idealization: AI's Plato Problem [Mazviita Chirimuuta]（在新分頁開啟原站）
教授 Mazviita Chirimuuta 探討神經科學與意識的哲學，質疑計算機模型對大腦的過度簡化，並指出科學抽象可能掩蓋生物複雜性。
※ 摘要僅根據標題與說明
- Podcast高階EN
Why Every Brain Metaphor in History Has Been Wrong [SPECIAL EDITION]（在新分頁開啟原站）
探討人類對大腦的歷史誤解，從科學簡化到軟體本質的辯證。透過多位頂尖學者的對話，揭示科學模型有時會產生危險的誤導，並探討現實中是否存在重複的簡單模式。
※ 摘要僅根據標題與說明
- Podcast進階EN
Bayesian Brain, Scientific Method, and Models [Dr. Jeff Beck]（在新分頁開啟原站）
Dr. Jeff Beck 探討未來 AI 可能不如人腦智慧，因為人腦運作像科學家測試假說，而非單純預測。他強調自動微分是 AI 爆發的關鍵，而非大模型。
※ 摘要僅根據標題與說明
- Podcast高階EN
Your Brain is Running a Simulation Right Now [Max Bennett]（在新分頁開啟原站）
Max Bennett 探討人類大腦如何透過模擬來運作，並結合演化神經科學與 AI 研究，揭示大腦並非直接感知世界，而是建構內部模擬。
※ 摘要僅根據標題與說明
- Podcast進階EN
"I Desperately Want To Live In The Matrix" - Dr. Mike Israetel（在新分頁開啟原站）
Dr. Mike Israetel 探討 AI 是否具備意識與真理解，並討論超智慧到來時點、模擬假說及人類未來命運。
※ 摘要僅根據標題與說明
