Personal watch library

Bilingual Video Notes

一个持续增长的英文视频与中文逐句笔记目录。

18 videos · EN ↔ 中文
001 English · 中文 · 93 句 Everything I Learned Training Frontier Small Models — Maxime Labonne, Liquid AI Liquid AI 的 Maxime Labonne 分享训练前沿小模型时总结的架构、数据与强化学习经验。 20:13 002 English · 中文 · 223 句 How Cursor Trained Composer on Fireworks: Distributed Infrastructure for High-Performance RL Cursor 与 Fireworks 团队讲解 Composer 的大规模强化学习训练，以及支撑高性能 RL 的分布式基础设施。 45:33 003 English · 中文 · 378 句 Why Hardware-Software Co-Design Is AI's Real 100x: Dylan Patel of SemiAnalysis Sequoia Capital 发布的视频，配有英文原文与中文逐句翻译。 01:10:15 004 English · 中文 · 325 句 Training Agents 2: Live tutorial on model distillation for training custom agents. Hugging Face 发布的视频，配有英文原文与中文逐句翻译。 01:08:09 005 English · 中文 · 233 句 Building the GitHub for RL Environments: Prime Intellect's Will Brown & Johannes Hagemann Sequoia Capital 发布的视频，配有英文原文与中文逐句翻译。 44:46 006 English · 中文 · 88 句 Learning on the Job: The Future of Post-Training — Raymond Feng, Applied Compute AI Engineer 发布的视频，配有英文原文与中文逐句翻译。 18:20 007 English · 中文 · 103 句 How to Train Your Agent: Building Reliable Agents with RL — Kyle Corbitt, OpenPipe AI Engineer 发布的视频，配有英文原文与中文逐句翻译。 19:48 008 English · 中文 · 373 句 Rich Sutton and Khurram Javed: Why AI Models Stop Learning, and How to Start It Again Sequoia Capital 发布的视频，配有英文原文与中文逐句翻译。 53:44 009 English · 中文 · 130 句 Continual Learning: How AI Agents Get Better With Every Use | Arjun Karanam, Trajectory Sequoia Capital 发布的视频，配有英文原文与中文逐句翻译。 21:56 010 English · 中文 · 221 句 Beyond Transformers: @maximelabonne on Post-Training, Edge AI, and the Liquid Foundation Model Galileo 发布的视频，配有英文原文与中文逐句翻译。 52:30 011 English · 中文 · 266 句 What Your AI Agents Really Are When You Strip Away The Hype | Nicole Königstein, O'Reilly Author TwoSetAI 发布的视频，配有英文原文与中文逐句翻译。 01:14:26 012 English · 中文 · 662 句 Joe Rogan Experience #2255 - Mark Zuckerberg Mark Zuckerberg 在 Joe Rogan Experience #2255 中谈论 Meta、内容治理、AI、Apple 生态与下一代计算平台。 02:50:36 013 English · 中文 · 455 句 There’s a dial inside every AI that controls how evil it is Owain Evans 深入讨论涌现失调、AI 人格、潜意识学习，以及如何发现和逆转模型中的危险行为。 02:15:28 014 English · 中文 · 388 句 Skill Issue: Andrej Karpathy on Code Agents, AutoResearch, and the Loopy Era of AI Andrej Karpathy 与 No Priors 对谈代码智能体、AutoResearch、模型分化，以及自然语言编程时代的新技能。 01:06:31 015 English · 中文 · 458 句 Yann LeCun on What Comes After LLMs Yann LeCun 深入讨论 LLM 之后的世界模型、JEPA、机器人学习，以及他与主流 AI 路线的分歧。 01:21:56 016 English · 中文 · 1333 句 State of AI in 2026: LLMs, Coding, Scaling Laws, China, Agents, GPUs, AGI | Lex Fridman Podcast #490 Nathan Lambert、Sebastian Raschka 与 Lex Fridman 长谈 2026 年 AI：模型训练、扩展定律、智能体、开源与持续学习。 04:25:13 017 English · 中文 · 290 句 Google DeepMind Distinguished Eng (L9): How To Land a Job at a Frontier Lab | Vlad Feinberg Google DeepMind 预训练负责人 Vlad Feinberg 讨论前沿实验室需要的技能、研究与工程的区别，以及 Gemini 训练经验。 01:04:04 018 English · 中文 · 416 句 Everything You Wanted to Know About LLM Post-Training, with Nathan Lambert of Allen Institute for AI Nathan Lambert 深入解析 LLM 后训练，包括 DPO、PPO、可验证强化学习、合成数据与开放模型。 01:49:41