讲座精选。
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。
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。
Stop Prompting — Greg Pstrucha, Sentry
这是 Sentry 调试智能体 Seer 背后基础设施的开发者 Greg Pstrucha 的演讲，主张不要把反复纠正的内容一遍遍写进提示，而应固化为确定性规则。他说明智能体没有记忆，压缩上下文后同样的错误会再次出现（防御过度的代码、无用的测试、没人需要的接口），而测试、严格类型尤其是 linter 可以把这些纠正变成可自动检查的规则，并给出 Sentry 的实际例子：让接口与 OpenAPI schema 保持同步的 lint 规则，以及维护智能体技能准确性的反复修补。对于无法量化的判断，他使用书面策略和“暴躁工程师”评审循环，并提醒智能体会针对测试覆盖率之类的指标做投机取巧。适合使用 Claude Code 等编码智能体并想减少重复纠错的开发者观看。
Synthesis Superintelligence: from Semiconductors to Superconductors — Periodic Labs’ Liam Fedus and Ekin Dogus Cubuk
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。
Let Anyone at Your Company Ship Internal Apps with AI — Garrett Galow, WorkOS
这是 WorkOS 产品团队的 Garrett Galow 的演讲，讲如何让非工程人员构建并上线内部应用。起因是一位客户经理在休假前做了个销售聊天机器人，但 CEO 连打开都做不到，由此说明构建变便宜后，部署、安全和共享仍依赖工程师。他介绍了两个产物：推送到每台笔记本的一条命令式 CLI（WOW），以及底层平台 Atlas，后者把基础设施隐藏起来、默认让每个应用置于公司 SSO 之后，并使其可被发现。演示中给出的数据是 278 个应用、每周超过 300 万次请求、37% 的常用应用由非工程师在单个 commit 内完成。适合关注企业内部工具平台与 SSO 落地的产品和技术人员观看。
Grep or Embeddings? Agentic Search Over Company Documents — George He, LlamaIndex
这是 LlamaIndex 工程负责人 George He 的演讲，讨论智能体检索该用预建索引还是纯文件遍历。他解释了 Claude Code 跳过向量嵌入的原因是代码体量小、纯文本、本地且线索丰富，而企业数据庞大、杂乱、多模态且有权限控制；并展示如何给智能体一套工具组合：先用混合检索做定位，再用列举、元数据过滤、grep 和读取深入，复杂文档辅以解析文本和页面截图。还涉及 LlamaParse 与开源 LiteParse 的解析、生产环境中的多租户、权限与数据新鲜度，以及 ingest-parse-index 流程，并演示了从 135 份 Alphabet 财报构建现金流表的智能体。适合在构建企业文档检索或 RAG 系统的开发者观看。
Is Speculative Decoding Worth It? Profiling vLLM on NVIDIA Blackwell — Akamai
这是 Akamai 开发者布道师 Sheilah Kirui 的演讲录像，讲解投机解码（speculative decoding）的原理与适用条件。内容包括推理的 prefill 与 decode 阶段、小模型提议 token 而目标模型在一次前向中验证的机制、托管第二个模型及其 KV cache 的内存成本、草稿模型的选取标准，以及在单块 NVIDIA Blackwell GPU 上用 vLLM 做的并排演示：结构化输出在高接受率下快 1.6 倍，创意写作的接受率则低得多，并说明长上下文与高并发负载收益较少的原因。适合正在用 vLLM 部署推理、考虑是否开启投机解码的工程人员观看。
How AI Agents Pay: Checkout in ChatGPT and Google AI Mode — Sam Parsons, PayPal
PayPal 企业支付（原 Braintree）高级主任工程师 Sam Parsons 的演讲，介绍商家接受 AI agent 发起支付的三条路径：ChatGPT 中基于 Agentic Commerce Protocol 与商家自建 MCP app 的 Instant Checkout；Google AI Mode 中基于 Universal Commerce Protocol 与 Google Pay、商家只需提供端点的方案；以及带外部结账页的 MCP app 方案，可保留完整控制权。他现场演示各流程，说明 tokenization 如何让卡号不进入 agent 与商家的 PCI 范围、集成点位置，以及 token 如何按商家、金额、币种和有效期受限，并比较在 agent 内结账与外部结账交接的取舍。适合做电商支付集成、关注 agent 商业化的开发者观看。
How Many Credentials Should Your AI Agent Have? Zero. — Jim Clark, Docker
一场关于 agent 安全的演讲，演讲者为 Docker 首席软件工程师 Jim Clark，以 MCP 网关为切入点。他提出 harness 只是简单循环，安全性取决于流入其中的上下文与工具，因此要管理的边界是沙箱；通过把新闻编辑流程拆分为研究员、事实核查、发布者三个沙箱，以及只在提交代码时才拿到签名密钥的编码 agent 两个例子，说明如何按任务意图设计沙箱、每个沙箱配一个 MCP 网关端点作为控制点，并主张沙箱内正确的凭据数量是零，同时介绍用 Okta 的 Cross App Access（XAA）让 agent 复用现有 SSO。适合构建 agent 系统并关心权限与沙箱隔离的工程师观看。
What Is an Inference Engine, Anyway? — Charles Frye, Modal
一场讲解推理引擎（inference engine）的技术演讲，演讲者为 Modal 的 Charles Frye。他从一个博物馆展牌生成器流量激增导致首 token 等待变长、后续 token 变慢的现象出发，借助推理监控面板说明增加副本如何缓解排队，并沿服务器 IO、分词、调度、模型执行、反分词追踪一次请求，以 SGLang 和 vLLM 为参照。内容还涉及调度器成为瓶颈、不同应用（聊天机器人、后台 agent、文档处理）的延迟与长度需求，以及 KV 缓存、CUDA graphs、投机解码、kernel 库等性能技术，最后谈到生产环境的正确性验证与调试。适合从事 LLM 推理部署与服务优化的人观看。
Your LLM Judge Is a Confident Liar: Building Better Verifiers — Browserbase
一场技术演讲，演讲者为 Browserbase agent 平台技术负责人 Miguel González Fernández 与微软研究院研究员 Corby Rosset，介绍面向计算机使用与网页 agent 的验证器研究。内容指出常见网页基准自带的 LLM judge 会高估成功率（官方 judge 报 74%，更好的验证器报 38%），并讲解 Universal Verifier 的做法：任务专属评分细则、挑选最相关截图作为证据、隔离错误、识别幻觉、区分可控与不可控失败，将误报从约一半降到接近零，并用 Cohen's kappa 与人工标注对照验证。还讨论了用 autoresearch 自动构建验证器的效果。适合做 agent 评测与基准研究的人观看。