更多讲座

Latent Space24 天前

讲座进阶

合成超级智能：从半导体到超导体——Periodic Labs 的 Liam Fedus 与 Ekin Dogus Cubuk

Synthesis Superintelligence: from Semiconductors to Superconductors — Periodic Labs’ Liam Fedus and Ekin Dogus Cubuk

AI 导读

Latent Space 播客访谈，Periodic Labs 的 Liam Fedus 和 Ekin Dogus Cubuk 向 swyx 与 Brandon 介绍公司的“合成超级智能”设想：让模型在真实世界中做实验，而非仅靠训练更多互联网数据。内容涉及以物理实验为基础的强化学习、AI 辅助材料表征、模拟与密度泛函理论、高通量实验室，以及为何科学发现与数学、编程本质上不同。适合关注 AI for Science 与材料发现方向的人收听。

打开原文
分级
值得看
收录时间
2026-11-02
讲座发布 10-15
Latent Space

算力速度下的实验闭环——Ian Quigley，Leash Bio

Lab-in-the-Loop at Compute Speed — Ian Quigley, Leash Bio

Latent Space 对 Leash Bio 的 Ian Quigley 的访谈，介绍该公司在 DNA 编码化合物库（DEL）上获取高通量、可复现的蛋白质—小分子相互作用数据的方法。节目中还提到其推出的 Minos：把多年积累的数据转化为数万个“lab-in-the-loop”模拟，供代理做可验证的科学推理强化学习。适合从事化学与 AI 结合研究的人阅读。

深入强化学习与对齐科学研究与医疗
查看详情 →
讲座发布 10-10
Latent Space

AlphaFold 为何没能解决蛋白质折叠——Pushmeet Kohli（Google DeepMind）与 Sal Candido（Biohub）

Why AlphaFold Didn't Solve Protein Folding — Pushmeet Kohli, Google DeepMind & Sal Candido, Biohub

由 Brandon Anderson 主持的对谈，Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 讨论为何 AlphaFold 只是起点、单靠扩大算力与数据无法解决生物学问题，以及 AI 驱动生物学的下一步。内容涉及生物数据中的缩放规律、科学直觉与通用架构之间的取舍、蛋白质结构预测尚未解决的问题、蛋白质语言模型的潜力，以及以 10 倍突破而非渐进改进来思考的方法。适合从事 AI 与生命科学交叉研究的人阅读。

进阶科学研究与医疗
查看详情 →
讲座发布 10-10
YouTube

小模型，大效果：用不到 500 美元训练一个金融智能体 — Charles Dickens，Snorkel AI

Small Models, Big Results: Training a Finance Agent for Under $500 — Charles Dickens, Snorkel AI

这是 Snorkel AI 研究科学家 Charles Dickens 的演讲，介绍 Snorkel 与 UC Berkeley Sky Computing Lab 如何用不到 500 美元训练一个 40 亿参数模型，在真实金融问题上超过 2350 亿参数的同类模型。内容包括：基于 SEC 10-K 文件构建并专家校验的 FinQA 金融问答数据集；前沿模型的失败模式，如编造表结构、塞爆自身上下文、重复失败策略；使用开源 rLLM 框架和简单通过/失败奖励做强化学习，使 Qwen3 4B 达到约 60%、对比 235B 的 51%；技能可迁移到更难的多表问题且未损害通用工具使用；以及更简单的训练数据和奖励效果最好、瓶颈在于有纪律的工具使用而非推理深度。适合对用小模型做领域后训练和强化学习感兴趣的读者观看。

深入智能体评测强化学习与对齐
查看详情 →
博客发布 09-08
Google DeepMind

AlphaGenome Atlas：人类基因组中每一种可能 DNA 字母变化的预测图谱

AlphaGenome Atlas: A predictive map of every possible DNA letter change in the human genome

谷歌 DeepMind 介绍 AlphaGenome Atlas，这是一个收录人类基因组中 90 亿个单核苷酸变异（即所有可能的单字母变化）分子效应预测的平台，相关细节见其论文。文章称这是关于基因突变如何影响分子生物学的最全面目录，并通过一个免费网站门户向学术研究开放。

深入科学研究与医疗
查看详情 →
博客发布 07-23
Google Research

迈向能从错误中学习的量子计算机

Towards a quantum computer that learns from its errors

这是 Google Quantum AI 研究科学家 Volodymyr Sivak 和 Paul Klimov 于 2026 年 7 月 22 日发布的博客，介绍将强化学习与量子纠错结合的工作。文中指出量子计算机对漂移敏感，目前需中断计算重新校准控制参数，而该工作在《Nature》发表的论文《Reinforcement learning control of quantum error correction》中展示了量子计算机可在长时间计算中持续适应漂移。

深入科学研究与医疗强化学习与对齐
查看详情 →