1影片進階EN
From Math Olympiads to Navier-Stokes: How Fast Is AI Progressing?
訪談 Epoch AI 研究主管 Greg Burnham，探討 AI 從解題到提出新觀唸的進步曲線。討論如何衡量 AI 能力、Navier-Stokes 等難題的解決方式，以及未來 AI 在創造性研究中的潛力與挑戰。
2,586次觀看
The TWIML AI Podcast with Sam Charrington
YouTube ・ 國際 ・ 英文 ・ A 級 ・ 3.1 萬 訂閱 ・ 15 筆內容 ・ 最近更新 2026/10/07
The TWIML AI Podcast 的影片版：研究者與從業者訪談
最受歡迎
依人氣
- 2影片進階EN
Nobody Agrees What a 'World Model' Is — Justin Johnson (World Labs) Explains Why
Justin Johnson 解釋世界模型的概念與現況，探討空間 AI 如何讓 AI 理解並模擬周遭環境。內容涵蓋從顯式 3D 表示到生成式模型的各種方法，以及 World Labs 的 Marble 系統如何從影像生成可導航的 3D 世…
4,766次觀看※ 摘要僅根據標題與說明
- 3影片進階EN
From Voice Agents to AI Avatars
Alex Smola 探討從語音代理到視覺化 AI 頭像的技術挑戰，涵蓋即時語音處理、音訊分詞、延遲控制與情感智商的架構設計。內容揭示如何平衡模型大小、推理成本與自然互動體驗，並說明系統如何透過互動資料持續學習人類行為模式。
2,411次觀看 - 4影片進階EN
Why the Next AI Breakthrough May Come from Physics
Max Welling 與 TWIML AI 訪談，探討物理學如何啟發下一代 AI 架構，並介紹 CuspAI 用生成式 AI 設計新材料的實際應用。
- 5影片進階EN
Do AI Tokenomics Matter More Than Model Benchmarks?
探討 AI 演算法成本上升與「token 通脹」現象，分析如何衡量 AI 投入的實際價值與回報。講者 Chris Potts 從語言學背景出發，討論傳統語言學在 AI 時代的意義，並提出超越模型基準的新評估框架。
- 6影片進階EN
AI Factories Explained: What’s Actually New?
在 HPE Discover 2026 的 TWIML AI Podcast 中，主持人與 HPE 及 NVIDIA 的高管討論 AI 工廠的真實定義與企業應用。
※ 摘要僅根據標題與說明
- 7影片進階EN
Why Models Are AI’s Next Training Dataset | Damian Borth
Damian Borth 教授提出將已訓練的模型權重視為新資料，透過「權重空間學習」分析並生成新模型。此方法可加速特定任務的模型開發，降低訓練成本，並探索跨架構與領域的知識轉移。
2,952次觀看 - 8影片進階EN
Why Your LLM Evals Are Missing Critical Failures
Scott Clark 探討如何可靠地運算與改進生產環境中的大型語言模型系統，介紹可觀測性階層與實例失敗分析。內容涵蓋如何透過儀表板與向量指紋發現標準評估遺漏的問題，並說明資料飛輪機制。
6,164次觀看※ 摘要僅根據標題與說明
- 9影片進階EN
Can We Make AI Image Generation More Controllable?
訪談 Qualcomm 技術長 Fatih Porikli，探討當前 AI 繪圖模型在可控性、本地生成及消除偽影上的挑戰與解決方案。
2,220次觀看※ 摘要僅根據標題與說明
- 10影片進階EN
Can You Actually Control AI Agents at Scale?
訪談 Rubrik 的 Dev Rishi，探討當 AI 代理開始自主執行工具與系統操作時，傳統的人類審核機制為何失效。內容說明企業需要可觀測性、即時執行與政策感知的治理方式來應對大規模代理帶來的安全挑戰。
3,907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
Why Jev Is Changing How We Build With AI
訪談 TypeSafe 創辦人 Diogo Almeida，探討其新模型 Jev 如何透過強化學習與校準決策，解決現有語言模型在自動化任務中不可靠的問題。
- 影片進階EN
From Math Olympiads to Navier-Stokes: How Fast Is AI Progressing?
訪談 Epoch AI 研究主管 Greg Burnham，探討 AI 從解題到提出新觀唸的進步曲線。討論如何衡量 AI 能力、Navier-Stokes 等難題的解決方式，以及未來 AI 在創造性研究中的潛力與挑戰。
2,586次觀看 - 影片進階EN
From Voice Agents to AI Avatars
Alex Smola 探討從語音代理到視覺化 AI 頭像的技術挑戰，涵蓋即時語音處理、音訊分詞、延遲控制與情感智商的架構設計。內容揭示如何平衡模型大小、推理成本與自然互動體驗，並說明系統如何透過互動資料持續學習人類行為模式。
2,411次觀看 - 影片進階EN
Do AI Tokenomics Matter More Than Model Benchmarks?
探討 AI 演算法成本上升與「token 通脹」現象，分析如何衡量 AI 投入的實際價值與回報。講者 Chris Potts 從語言學背景出發，討論傳統語言學在 AI 時代的意義，並提出超越模型基準的新評估框架。
- 影片進階EN
Nobody Agrees What a 'World Model' Is — Justin Johnson (World Labs) Explains Why
Justin Johnson 解釋世界模型的概念與現況，探討空間 AI 如何讓 AI 理解並模擬周遭環境。內容涵蓋從顯式 3D 表示到生成式模型的各種方法，以及 World Labs 的 Marble 系統如何從影像生成可導航的 3D 世…
4,766次觀看※ 摘要僅根據標題與說明
- 影片進階EN
Why the Next AI Breakthrough May Come from Physics
Max Welling 與 TWIML AI 訪談，探討物理學如何啟發下一代 AI 架構，並介紹 CuspAI 用生成式 AI 設計新材料的實際應用。
- 影片進階EN
Can We Make AI Image Generation More Controllable?
訪談 Qualcomm 技術長 Fatih Porikli，探討當前 AI 繪圖模型在可控性、本地生成及消除偽影上的挑戰與解決方案。
2,220次觀看※ 摘要僅根據標題與說明
- 影片進階EN
Why Models Are AI’s Next Training Dataset | Damian Borth
Damian Borth 教授提出將已訓練的模型權重視為新資料，透過「權重空間學習」分析並生成新模型。此方法可加速特定任務的模型開發，降低訓練成本，並探索跨架構與領域的知識轉移。
2,952次觀看 - 影片進階EN
Can AI Actually Smell? The Science of Osmo | Alex Wiltschko
Alex Wiltschko 與 TWIML AI Podcast 訪談，探討如何建立電腦的嗅覺與建構基礎模型。內容涵蓋人類嗅覺科學、分子結構與氣味的關係，以及圖神經網路如何將氣味轉化為可預測的機器學習表示。
3,115次觀看※ 摘要僅根據標題與說明
- 影片進階EN
AI Factories Explained: What’s Actually New?
在 HPE Discover 2026 的 TWIML AI Podcast 中，主持人與 HPE 及 NVIDIA 的高管討論 AI 工廠的真實定義與企業應用。
※ 摘要僅根據標題與說明
- 影片進階EN
The Minimum Viable AI Agent Server
測試 Rubik Pi 3 單板電腦能否取代雲端 VPS 作為 AI Agent 伺服器，並比較兩者執行工具呼叫與工作流協調的表現。觀眾能了解硬體之外，框架設計與執行策略對效能的影響。
2,229次觀看※ 摘要僅根據標題與說明
- 影片進階EN
Can You Actually Control AI Agents at Scale?
訪談 Rubrik 的 Dev Rishi，探討當 AI 代理開始自主執行工具與系統操作時，傳統的人類審核機制為何失效。內容說明企業需要可觀測性、即時執行與政策感知的治理方式來應對大規模代理帶來的安全挑戰。
3,907次觀看※ 摘要僅根據標題與說明
- 影片進階EN
Why Bigger Context Windows Don't Solve the RAG Problem
Alex Bowcut 解釋為何即使大模型能讀取大量文件，RAG 在高風險領域如稅務合規仍不可或缺。透過 Sphere 的 TRAM 系統案例，說明如何結合檢索、推理與人工審核流程，在確保準確性的前提下大幅提升效率。
※ 摘要僅根據標題與說明
- 影片進階EN
Foundation Models Are Coming for Enterprise Databases [Jure Leskovec] - 768
Jure Leskovec 與 Kumo 共同探討基於關係的基礎模型（RFM2），該模型無需訓練即可在企業資料庫上進行準確預測。
- 影片進階EN
Why Your LLM Evals Are Missing Critical Failures
Scott Clark 探討如何可靠地運算與改進生產環境中的大型語言模型系統，介紹可觀測性階層與實例失敗分析。內容涵蓋如何透過儀表板與向量指紋發現標準評估遺漏的問題，並說明資料飛輪機制。
6,164次觀看※ 摘要僅根據標題與說明
