Your LLM Judge Is a Confident Liar: Building Better Verifiers — Browserbase
介紹 Miguel González Fernández 與 Corby Rosset 提出的 Universal Verifier，解決傳統 LLM 評審在電腦操作任務中誤判率高的問題。
※ 摘要僅根據標題與說明
GPT-4o
25 筆內容提到
最近 7 天 4 筆↑3（比前一期多 3 筆）（再前 7 天 1 筆）
也寫作：GPT 4o、GPT-4-O、GPT4o
這一頁列的是「提到 GPT-4o」的內容（名稱由語言模型從內容裡整理），不一定整筆都在講它。只想追它的新內容：訂閱 RSS；想找標題裡就有它的：搜尋「GPT-4o」。
最新
依發布時間
EP416 – 史丹佛 CS329A 課程大公開：多步驟任務如何規劃？LATS、SPRINT、SWiRL
整理史丹佛 CS329A 課程關於多步驟任務規劃的三篇論文：LATS、SPRINT 與 SWiRL。LATS 透過樹狀搜尋與回溯讓 Agent 在執行時多條路徑比較，SPRINT 利用微調讓模型同時規劃並執行互不相干的步驟，SWiRL 則…
Qwen3.8 27B addition in words
作者重現 Colin Frasier 的實驗，在本地 DGX Spark 硬體上測試 Qwen3.8-27B 模型對超大數字的加法能力。結果顯示啟用推理後，模型在 169 次嘗試中正確率極高，並能展示詳細的進位計算過程。
EP414 – 史丹佛 AI Agent 課 CS329A 整理：Agent 怎麼自己變強？一次看懂 ReAct、RLEF、Constitutional AI
整理史丹佛 CS329A 課程，深入解析 ReAct、RLEF 與 Constitutional AI 三種讓 AI Agent 從回饋中自我改善的機制。
EP407 – 人工審查跟不上 AI 產出速度？如何不讀程式碼也能確保軟體品質？ 這集一次拆解給你聽！
探討 AI 生成程式碼速度過快導致人工審查無效的困境，提出從「實作審查」轉向「結果審查」的策略。透過爆炸半徑分級管理、要求視覺與執行證明、以及引入對抗性 Agent 審查機制，建立自動化防護網，讓工程師專注於驗證商業意圖與架構邊界，而非糾…
182: 对话梁琛奇：抖音、猫箱、创业，「他们都搞生产力，我想用 AI 创造开心」
梁琛奇在訪談中分享其從字節跳動到創立動念引線的創業歷程，探討如何用 AI 創造娛樂體驗而非僅限於生產力。他認為推理成本下降與模態進化是關鍵，並提出漫畫形式因壓縮資訊量更易在 AI 時代獲得使用者接受，旨在探索讓大眾主動創作的未來娛樂形態。
Jev: System One models for Prod, not God — with Diogo Almeida, CEO, TypeSafe AI
Diogo Almeida 與 Swyx 探討 TypeSafe AI 推出的 Jev 系統，強調以「系統一」模型取代依賴人類評分最佳化（RLHF）的傳統大型語言模型。
Stanford CS329A Self-Improving AI Agents | Part 2 | Test-Time Compute Scaling
探討如何在推理階段透過增加計算量來提升大型語言模型效能，涵蓋並行取樣、驗證機制及架構搜尋等技術。觀眾可學習如何利用測試時計算超越現有模型，並掌握相關Scaling Law與實務架構設計。
6.6 萬次觀看Stanford CS329A Self-Improving AI Agents | Part 8 | Agentic Evaluations and Long Horizon Tasks
章節探討如何評估 AI 代理在長時程任務中的表現，並介紹 METR 時間軸與 GDPval 經濟價值評估方法。內容涵蓋軟體工程、學術研究及專業領域任務的實測資料，分析模型能力增長趨勢與失敗模式。
1.1 萬次觀看Patterns for Building Cybersecurity Evals
介紹評估 AI 代理在 cybersecurity 領域能力的通用模式與四大核心原素，並深入解析 Cybench、CVE-Bench、CyberGym、ExploitGym 與 SCONE-Bench 等 benchmarks 的設計細節…
S2E57 LLM 之後：Thinking Machines 互動模型的誕生
介紹 Thinking Machines 推出的互動模型，它能像電話一樣即時聽見並回應使用者，同時處理視覺與背景搜尋。內容拆解官方演示與技術原理，探討模型如何具備時間感知與流暢對話，並回顧創辦人 Mira Murati 從 OpenAI…
Top Text-to-Speech (TTS) Models in 2026
介紹 2026 年主流文字轉語音模型的評估結果與實際表現。透過特定資料集測試，比較 Gemini、GPT-4o、ElevenLabs 等模型在處理符號、語調及專業術語時的優劣，並示範各模型的具體操作與限制。
1.1 萬次觀看※ 摘要僅根據標題與說明
Episode 66: The Agent Paradox - Why Moderna's Most Productive AI Systems Aren't Agents
Eric Mar 在訪談中澄清 Moderna 內部並未使用自主代理（Agent），而是專注於建立高可靠性的工作流。他強調在受規管環境中，應優先處理權限對映與資料安全，並建議先用簡單工具或傳統機器學習解決問題，最後才考慮 LLM。
AI Agent 產品開發仍然不簡單
探討 AI Agent 產品開發在生產環境中面臨的技術挑戰，指出 95% 的產品會因工程架構問題失敗。內容涵蓋從 Armin Ronacher 的實戰心得到模型能力金字塔的分析，強調「有主見」的產品設計與上下文工程的重要性。
【生成式人工智慧與機器學習導論2025】第 2 講：上下文工程 (Context Engineering) — AI Agent 背後的關鍵技術
介紹上下文工程（Context Engineering）的概念，說明其與提示工程（Prompt Engineering）的異同，並探討如何透過最佳化輸入讓語言模型獲得預期輸出。
17.7 萬次觀看【生成式AI時代下的機器學習(2025)】第十二講：語言模型如何學會說話 — 概述語音語言模型發展歷程
李宏毅教授概述語音語言模型的發展歷程，解釋其如何透過語音 token 進行訓練與生成，並探討處理多義輸出、同時聽說等挑戰。課程涵蓋從預訓練到微調的策略，以及相關工具與評估方法，讓讀者了解語音 AI 的技術架構與應用現況。
Token-Efficient Long Video Understanding for Multimodal LLMs | Paper explained
介紹 NVIDIA 團隊提出的 STORM 架構，利用 Mamba 層進行時間建模與 token 壓縮，解決長影片處理效率低與冗餘多的問題。看完能了解如何在不犧牲精度的情況下，將視覺 token 減少八倍並提升推理速度。
7,637次觀看※ 摘要僅根據標題與說明
【生成式AI時代下的機器學習(2025)】第六講：生成式人工智慧的後訓練(Post-Training)與遺忘問題
李宏毅教授深入解析生成式 AI 的後訓練（Post-Training）與遺忘問題，說明如何為通用模型注入特定技能。課程探討了避免模型在學習新任務時遺忘原有能力的策略，並介紹了過濾難產生 Token 的技術。
4.6 萬次觀看※ 摘要僅根據標題與說明
OpenAI 连续 12 天 AI 发布会：第九天 —— Dev Day
OpenAI 第九天開發者日發布 o1 API 正式版、WebRTC 語音支援及偏好微調功能，並推出 Go 與 Java 開發套件。開發者可透過這些更新以更低成本與更簡易方式構建應用。
410次觀看※ 摘要僅根據標題與說明
OpenAI 连续 12 天发布会：第一天完整视频（中英文双语字幕）
OpenAI 公佈 o1 模型正式版本，支援多模態輸入與網路瀏覽，並推出 ChatGPT Pro 訂閱制。使用者可無限訪問 o1 及 o1 Pro 模式，解決複雜問題。
3,005次觀看※ 摘要僅根據標題與說明
- 468次觀看
※ 摘要僅根據標題與說明
【生成式AI導論 2024】第17講：有關影像的生成式AI (上) — AI 如何產生圖片和影片 (Sora 背後可能用的原理)
由李宏毅講授，深入解析生成式 AI 如何產生圖片與影片，涵蓋從視覺語言模型到 Sora 背後的原理。內容說明如何利用深度學習自動提取特徵，並透過多階段生成策略提升畫質與幀數，同時探討影像生成在 VTuber 與影像修復等領域的應用。
6 萬次觀看GPT-4o 背後可能的語音技術猜測
李宏毅透過影片推測 GPT-4o 語音模式背後的技術架構，分析其如何透過情緒辨識、混合編碼器及多頻道處理實現自然互動。觀眾可了解當前語音模型與 GPT-4o 的差異，並掌握未來語音 AI 發展的可能方向。
7.6 萬次觀看【生成式AI導論 2024】第14講：淺談大型語言模型相關的安全性議題 (下) — 欺騙大型語言模型
深入探討大型語言模型面臨的欺騙風險，區分「越獄」與「提示注入」兩種攻擊手法。透過實際範例與最新研究，說明如何繞過模型防禦機制，並提醒使用者注意潛在的隱私洩漏與安全隱患。
最受歡迎
依人氣
Your LLM Judge Is a Confident Liar: Building Better Verifiers — Browserbase
介紹 Miguel González Fernández 與 Corby Rosset 提出的 Universal Verifier，解決傳統 LLM 評審在電腦操作任務中誤判率高的問題。
※ 摘要僅根據標題與說明
Stanford CS329A Self-Improving AI Agents | Part 2 | Test-Time Compute Scaling
探討如何在推理階段透過增加計算量來提升大型語言模型效能，涵蓋並行取樣、驗證機制及架構搜尋等技術。觀眾可學習如何利用測試時計算超越現有模型，並掌握相關Scaling Law與實務架構設計。
6.6 萬次觀看Patterns for Building Cybersecurity Evals
介紹評估 AI 代理在 cybersecurity 領域能力的通用模式與四大核心原素，並深入解析 Cybench、CVE-Bench、CyberGym、ExploitGym 與 SCONE-Bench 等 benchmarks 的設計細節…
Qwen3.8 27B addition in words
作者重現 Colin Frasier 的實驗，在本地 DGX Spark 硬體上測試 Qwen3.8-27B 模型對超大數字的加法能力。結果顯示啟用推理後，模型在 169 次嘗試中正確率極高，並能展示詳細的進位計算過程。
【生成式人工智慧與機器學習導論2025】第 2 講：上下文工程 (Context Engineering) — AI Agent 背後的關鍵技術
介紹上下文工程（Context Engineering）的概念，說明其與提示工程（Prompt Engineering）的異同，並探討如何透過最佳化輸入讓語言模型獲得預期輸出。
17.7 萬次觀看Stanford CS329A Self-Improving AI Agents | Part 8 | Agentic Evaluations and Long Horizon Tasks
章節探討如何評估 AI 代理在長時程任務中的表現，並介紹 METR 時間軸與 GDPval 經濟價值評估方法。內容涵蓋軟體工程、學術研究及專業領域任務的實測資料，分析模型能力增長趨勢與失敗模式。
1.1 萬次觀看AI Agent 產品開發仍然不簡單
探討 AI Agent 產品開發在生產環境中面臨的技術挑戰，指出 95% 的產品會因工程架構問題失敗。內容涵蓋從 Armin Ronacher 的實戰心得到模型能力金字塔的分析，強調「有主見」的產品設計與上下文工程的重要性。
182: 对话梁琛奇：抖音、猫箱、创业，「他们都搞生产力，我想用 AI 创造开心」
梁琛奇在訪談中分享其從字節跳動到創立動念引線的創業歷程，探討如何用 AI 創造娛樂體驗而非僅限於生產力。他認為推理成本下降與模態進化是關鍵，並提出漫畫形式因壓縮資訊量更易在 AI 時代獲得使用者接受，旨在探索讓大眾主動創作的未來娛樂形態。
Jev: System One models for Prod, not God — with Diogo Almeida, CEO, TypeSafe AI
Diogo Almeida 與 Swyx 探討 TypeSafe AI 推出的 Jev 系統，強調以「系統一」模型取代依賴人類評分最佳化（RLHF）的傳統大型語言模型。
Episode 66: The Agent Paradox - Why Moderna's Most Productive AI Systems Aren't Agents
Eric Mar 在訪談中澄清 Moderna 內部並未使用自主代理（Agent），而是專注於建立高可靠性的工作流。他強調在受規管環境中，應優先處理權限對映與資料安全，並建議先用簡單工具或傳統機器學習解決問題，最後才考慮 LLM。