首页

投稿

陶哲轩：新的数学工作流程——AI for Math

1.8万

1

2026-05-18 17:03:40

西安数学张老师发消息

嬉笑之中蕴乎理，诙谐之中寓乎道。

乔布斯：苹果创意源于被产品经理们忽视的用户需求

20:03

97年对苹果来说是一个生死攸关的转折点，这一年恢复了乔布斯的正确领导

11:40

乔布斯：用技术传递人性温度的灵魂匠人

12:40

NeXT内部交流会，乔布斯分享对未来的战略规划和打法

18:16

斯坦福大学AP、斯隆奖马腾宇：自监督学习

01:23:06

清华姚班、斯隆奖得主、斯坦福大学AP马腾宇：基于平方和的多项式时间张量分解

01:12:19

乔布斯在年被苹果驱逐后创立NeXT，NeXTSTEP操作系统，成为苹果复兴的基石

20:17

天才与暴君的双面镜像乔布斯与MBA学生问答

01:09:42

ICM2026 1小时报告人，美科院院士姚鸿泽：AI改变了数学

01:16:41

25岁的乔布斯谈硅谷的创业氛围和摩尔定律

19:40

以赂美之地封天下之谋臣，以事美之心礼天下之奇才，并力西向，则吾恐美人食之不得下咽也。

06:28

SBU终身教授顾险峰：深度学习的几何理解

01:59:59

微软全国广播公司专访英伟达创始人黄仁勋

17:56

OpenAI又一核心科学家Hyung Won Chung被扎克伯格动用钞能力挖走

30:34

斯隆奖得主、加州大学伯克利分校教授张瑞祥：波动方程的局部平滑处理

42:20

纽约州立大学石溪分校终身教授顾险峰讲座：网格生成

01:08:03

奥特曼宣布GPT5即将横空出世，和微软CEO谈笑风生，扎克伯格为什么不惊慌？

31:51

黄仁勋对扎克伯格说：早知道成功要这么久，和你一样大学退学了

58:38

钢铁侠马斯克和黄仁勋聊自动驾驶的难题和挑战

22:02

英伟达创始人黄仁勋和工程院院士、阿里云王坚在链博会煮酒论AI

28:27

高盛CEO大卫所罗门对话黄仁勋：AI，还是AI

29:44

软银孙正义：从“愿景”到“幻灭”的连续踩雷

01:04:33

华美半导体协会2023，英伟达的30年创新之路

01:00:28

斯坦福大学助理教授、姚班斯隆奖得主马腾宇：有理论保证的领域自适应

50:15

斯坦福大学助理教授、姚班斯隆奖得主马腾宇：针对小型、不平衡和异方差数据集的深度学习

36:10

1988年NeXT产品发布会，乔布斯的再次创业

30:42

鲁豫采访一个筋斗十万八千里的孙宇晨

10:38

赵长鹏急流勇退、马放南山：数字货币帝国的禅让之道

57:58

赵长鹏的赦免棋局：从“认罪者”到“权力游说者”

01:10:26

寒武纪创始人陈天石《云边端车协同构建智能芯片新生态》

13:28

寒武纪创始人陈天石：AI“芯”技术赋能行业新发展

12:24

中科院陈云霁：从深度学习处理器到智能处理器

30:26

CMU AP、Manba作者Albert Gu入选亚马逊、谷歌研究奖：如何制作Manba？

01:04:28

CMU AP陈贝迪入选谷歌研究学者计划，ICML：角视觉硬度

14:18

TAMU AP涂正中入选谷歌研究学者计划：AI 模型安全与多模态进展

59:46

多伦多大学PhD、英伟达研究科学家高俊：三维生成式AI的前沿发展与未来展望

45:46

Tri Dao：AI硬件格局将在2-3年内巨变，专用芯片是未来

59:06

普林斯顿大学 AP Tri Dao解析Flash Attention：突破长序列训练瓶颈，实现高效Transformer

58:58

普林斯顿大学AP Tri Dao入选2025谷歌研究学者计划

36:51

甲骨文创始人拉里·埃里森：迷失医生的航线，找到自己的海图

23:12

英伟达机器学习研究总监、加州理工学院教授阿尼玛·阿南德库玛：神经算子: 学习偏微分方程的新范式

01:00:01

普莉希拉·陈和扎克伯格夫妇访谈：AI与医疗

02:15:32

估值千亿的AI数据标注公司是怎么炼成的：“有多少人工就有多少智能。”？

01:07:42

哈佛大学医学博士普莉希拉·陈：AI推动医学

37:47

bo zhao北京智源人工智能研究院：训练数据压缩与合成

01:34:29

哥大计算机系副教授Eugene Wu：人机交互系统

49:18

谷歌学者、UMD副教授黄嘉斌：语言模型从自回归到扩散

12:28

斯隆奖得主、UIUC AP姜楠：价值函数逼近的强化学习计算难度探析

01:20:37

斯隆奖得主、UIUC ap姜楠：重新思考强化学习理论基础

01:06:11

斯隆奖得主、CMU AP、清华姚班贾志豪：自动发现机器学习系统优化

30:42

UIUC AP、谷歌学者Yupeng Zhang：基于离散对数的多项式承诺方案

01:31:18

UIUC AP、谷歌学者Yupeng Zhang：基于纠错码的ZKP

01:29:12

UIUC AP、谷歌学者Yupeng Zhang：线性概率可检验证明

01:36:54

UIUC AP、谷歌学者Yupeng Zhang：更多ZKP应用

28:53

IEEE FELLOW、康奈尔大学副教授张志汝：二值化深度学习的协同设计

22:58

UA ap Lei Cao获得亚马逊研究奖：SAUL——迈向高效数据科学

54:27

USCB ap丁雨霏：量子计算系统：挑战与机遇

49:56

UCSB ap丁雨霏：量子低密度奇偶校验码

01:34:21

USCD ap 斯隆奖得主Xiaolong Wang：学习型人形机器人

01:04:16

USCD ap、斯隆奖得主Xiaolong Wang：野外机器人感知

32:31

NYU ap谢赛宁：具有诱导结构的深度表征学习

54:07

【CVPR 2025 研讨会】NYU ap谢赛宁：计算机视觉中的可扩展生成模型

53:30

关于Sora，你想知道的一切：两位顶尖AI科学家的思想碰撞

31:14

DiT架构解析：斯隆奖得主谢赛宁揭秘Sora视频生成的底层逻辑

11:59

CMU AP吴彤霜获亚马逊研究奖：超越准确率：使用CheckList对NLP模型进行行为测试

40:35

UCB博后姚顺宇转会deepmind：良禽择木而栖，贤臣择主而事

01:09:43

24诺贝尔物理学奖约翰·霍普菲尔德：心灵的物理学视角与神经生物学 — Lex Fridman 访谈

01:12:49

OpenAI前高层研究员宋飏加盟Meta：生成式人工智能中扩散模型的进展

01:20:43

加州理工学院AP宋飏：扩散性模型和一致性模型

38:20

清华叉院AP袁洋：论AI基础模型的力量

28:50

清华叉院AP贺天行：大模型智能体沙盒模拟

50:19

港科大陈启峰：VLA深度融合多模态，革新自动驾驶场景认知

01:21:42

普林斯顿大学AP Ewin Tang：构建经典框架以分析量子机器学习

43:50

斯隆奖得主、MIT教授韩松：利用微型机器学习技术降低人工智能的碳足迹

01:03:23

Meta MSL R&D Lead宋飏：扩散模型与分数生成模型

01:32:01

UCB AP陈立杰：全息原理中的伪随机性与伪纠缠

01:06:52

UCB AP 陈立杰：密码学的最小复杂度假设

01:01:26

陈立杰：去随机化及其与计算复杂性理论的广泛联系

02:01:05

UCB AP 陈立杰：针对ACC电路的新下界与去随机化研究

52:45

Claude团队解码黑箱：机器意识的边界与语言模型内部探索

59:03

Anthropic CEO达里奥·阿莫迪对话云计算之父马克·贝尼奥夫

38:36

周靖人晋升阿里合伙人！中科大少年班学霸掌舵，AI 布局再释决心

28:14

英伟达首席研究科学家焦剑涛：训练后可验证智能体

01:17:29

OpenAI科学家Jason Wei & Hyung Won Chung：语言模型的直觉 —— 从 Transformer 历史塑造 AI 未来

01:17:07

Jason Wei离开OpenAI加入Meta：大型语言模型的扩展范式

40:10

Meta Jason Wei：大语言模型中的涌现与推理

52:04

前OpenAI灵魂人物Jason Wei：对大语言模型的一些直观理解

57:33

Thinking Machines Lab陈丹琦：两阶段检索 - 阅读器方法

31:57

普林斯顿大学AP陈丹琦：稠密检索器与端到端训练

55:52

斯隆奖得主姚班陈丹琦：高效预训练语言模型的探索之路

20:09

普林斯顿大学AP、斯隆奖得主陈丹琦：AI开放领域问答

04:13:07

普林斯顿大学AP陈丹琦：当今机器阅读系统的性能评估与反思

38:20

OpenAI创始人Sam Altman和前CTO Mira Murati：AI 时代我们该如何准备？

49:37

AI教母李飞飞院士对话Mira Murati：AI招聘，能力比文凭更重要

32:13

微软CTO Kevin Scott对话Thinking Machine Labs创始人 Mira Murati：AI创新和伦理

01:06:03

彭博社采访Thinking Machine Labs创始人Mira Murati和早期投资人

24:02

前阿里通义千问大模型技术负责人周畅解读大模型

38:38

港理工算法专家杨红霞教授：生成式 AI 正重塑千行百业

54:42

蚂蚁集团RL首席科学家、清华叉院AP吴翼：大模型的偏执和幻觉

29:24

沐曦CTO杨建：算力新范式，大模型的挑战、优化与国产GPU生态展望

01:38:40

新加坡国立大学AP冯佳时：网络架构设计与类脑

29:49

英伟达焦剑涛：Starling-7B：基于RLAIF改进模型帮助性与无害性

13:04

焦建涛：面向安全编排的函数调用基础模型

16:39

UCB AP焦剑涛：信息测度的估计及其应用：将样本量从n提升至nlogn

26:39

UCB AP焦剑涛：近优模仿学习算法

01:06:25

英伟达朱邦华：企业级生成式人工智能软件智能体

07:53

英伟达朱邦华：论在线契约设计的样本复杂度

10:12

英伟达朱邦华：基于原则的大语言模型后训练研究

57:50

姚顺雨：大语言模型智能体——历史与概述

01:08:44

DeepMind姚顺宇：量子混沌化中的量子涨落

01:01:20

姚顺雨：语言智能体的构建与评估

55:42

姚顺雨、哈里森：语言智能体——从推理到行动

01:26:33

姚顺雨、米歇尔・卡斯塔斯塔：人工智能智能体炉边谈话

51:44

姚顺雨：The Second Half

24:31

姚顺雨：基于语料迁移的涌现语言与自然语言关联构建

04:53

纽约大学Yuzhou Gu：置信传播不动点的唯一性

18:37

纽约大学Yuzhou Gu：树与超树上的重构

02:11:44

毕树超：拓展硅基智能前沿领域：回顾过往、现存难题与未来展望

01:13:43

Meta任泓宇：关系数据库上的复杂推理

01:21:58

林俊旸：扩展模型规模与上下文长度，迈向通用智能

23:57

林俊旸：通义千问的未来：一款通用智能体模型

25:14

苏伟杰：统计学如何推动大语言模型的公平性、对齐与水印技术发展

59:20

苏炜杰：NeurIPS 与 ICML 同行评审的回归方法研究

53:30

沃顿商学院副教授苏炜杰：一个优质的深度神经网络应具备何种特质

01:07:34

沃顿商学院苏炜杰：科学深度学习的一种新范式

01:28:17

苏伟杰：一种面向估计任务的真实型所有者协助式评分机制

57:44

苏炜杰：“科学” 的一种新范式：深度学习

01:18:17

Thingking Machines Lab陈丹琦：从检索增强生成到长上下文模型

01:01:58

普林斯顿大学副教授陈丹琦：学术界的语言模型训练：研究问题与发展机遇

01:07:25

CMU何泰然：面向通用型人形机器人技能的可扩展仿真到真实学习

59:19

UCSD AP王小龙：可泛化几何机器人学习

01:05:26

斯隆奖得主王小龙：基于自监督的机器人学习泛化

01:12:04

王小龙：面向可泛化技能获取的几何机器人学习

01:02:27

UCSD AP王小龙：面向人形机器人的人体建模

01:07:49

唐杰：通往通用人工智能之路及其对互联网的影响

42:03

MIT何恺明：面向端到端生成建模

42:34

deepmind何恺明：生成式AI 在科学与推理领域的应用

29:22

deepmind何恺明：深度残差学习及其对 AI 格局的塑造

01:15:51

斯坦福AP马腾宇：2025年检索增强生成 (RAG) 技术现状与前沿：前路展望

18:48

斯坦福大学AP马腾宇：理解预训练的三个维度

59:58

斯隆奖得主姚班马腾宇：迈向理解上下文学习

01:29:35

斯坦福AP马腾宇：探究非线性模型向未见域与全域的外推能力

42:21

Voyage AI 创始人马腾宇访谈

35:50

杜克大学副教授鬲融：多层网络低成本解的损失曲面连通性解释

22:34

斯隆奖得主鬲融：优化曲面与两层神经网络

58:27

清华姚班鬲融：训练动力学中的竞争机制

55:39

鬲融：面向理解轻度过参数化模型的训练动力学

01:03:04

鬲融：超越过参数化张量分解的「懒惰训练」范式

28:59

CMU AP贾志豪：机器学习优化方法的自动发现

59:58

斯隆奖贾志豪：自动发现机器学习优化方法

59:36

CMU AP贾志豪：低延迟、高性能大语言模型推理与微调

30:36

NYU AP谢赛宁：多模态未来：为超级智能构建超级感知

37:41

谢赛宁：多模态未来：为何视觉表征依然重要

01:04:21

NYU AP谢赛宁：让虚拟智能扎根现实生活

48:44

斯坦福大学AP吴佳俊：构建数字孪生的两大范式

34:48

姚班吴佳俊：从物理本征特性理解视觉智能

01:04:37

吴佳俊：从物理本征特性理解视觉智能

56:07

MIT AP韩松：加速大语言模型与生成式人工智能

01:11:24

斯隆奖得主韩松：面向边缘端的高效视觉语言模型

54:30

CMU AP李远志：特征纯化：对抗训练如何实现鲁棒深度学习？

01:29:38

CMU AP 李远志：大模型中的知识抽取与操纵

01:17:44

谷歌钟沛林：对数直径轮数下的并行图连通性算法

53:19

芝加哥大学AP谭宸浩：人工智能时代的科学

01:06:49

陈丹琦：Transformer 与大规模预训练模型

03:08:40

清华叉院AP吴翼：面向大语言模型的高效强化学习训练

58:21

斯隆奖得主伍骁迪：面向哈密顿量的量子算法设计与实现1

01:34:29

斯隆奖得主伍骁迪：面向哈密顿量的量子算法设计与实现2

01:19:58

UCSD AP张昊：基于 Certaindex 高效部署推理程序

30:23

斯隆奖得主张昊：基于滑动块注意力的快速视频生成

54:42

UCSD AP张昊：真实场景下的大语言模型微调、部署与评测

29:20

斯隆奖得主朱俊彦：让创作者与生成式模型真正协同创作

54:48

ChatbotArena 运行一年后的反思（LMSYS团队）

22:43

斯隆奖得主卢海浩：线性规划的一阶方法 —— 理论、计算与应用

01:11:05

陈丹琦：大语言模型预训练与指令微调中的数据选择

58:39

斯坦福大学AP杨笛一：构建语言技术，打造更健康的在线社区

48:46

斯隆奖得主杨笛一：实现人与智能体的交互

01:05:39

翁荔：多样化训练环境对解决机器人操作问题的作用

51:46

翁荔：用于机器人操作中自动目标发现的非对称自博弈

34:09

CMU AP陈贝迪：面向大语言模型高效推理的上下文稀疏性

01:05:21

CMU AP陈贝迪：长上下文 LLM 的高效推理：采样式与分解式注意力

50:01

MIT PhD邓明扬：基于漂移的生成式建模

59:22

Meta宋飏：通过估计数据分布的梯度来学习生成数据

01:03:15

CMU AP陈贝迪：重新思考测试时扩展定律

01:01:48

Jimmy Ba：AGI 研发路上那些匪夷所思的坑与故事

44:51

OpenAI张鹏川：视觉 - 语言预训练（VLP）进展

35:13

Elorian杨寅飞：利用含噪声的图文数据训练视觉和多模态模型

22:34

DeepMind王子瑞：跨语言对齐与联合训练：对比研究及一个简洁统一框架

43:14

UCLA顾全全：面向大语言模型对齐的自博弈偏好优化

33:27

斯隆奖得主顾全全：双层卷积神经网络中的良性过拟合

57:02

顾全全：过参数化神经网络的学习 —— 从神经切核（NTK）到自博弈

44:07

UCLA副教授顾全全：中等学习率下随机梯度下降的隐式偏置

01:05:46

阿里云CTO周靖人：规模化构建基础大模型：系统实践与挑战

01:31:13

林俊旸：下一代开源基础大模型

24:13

林俊旸：迈向通用智能体之路（2025年香港理工大学研究生学术会议）

02:30:42

Jimmy Ba：神经网络泛化能力的直观理解

01:10:30

斯隆奖得主Jimmy Ba：如何引导基础模型

58:55

Jimmy Ba：这次不一样吗？大语言模型浪潮

01:33:51

普林斯顿大学教授王梦迪：大基础模型的可控生成

58:15

普林斯顿大学教授王梦迪：面向高维生成优化的扩散模型

01:02:27

CMU AP贾志豪：基于部分等价变换的张量程序优化

14:54

王梦迪：特征空间中的强化学习：复杂度与遗憾界

44:54

王梦迪：引导扩散模型迈向生成式优化

53:05

智谱唐杰：AGI 与 ChatGLM 之路

15:34

清华特奖游凯超：vLLM：人人可用、快速、低成本的大模型推理服务

24:28

UMass AP乔明达：决策树启发式算法即使在平滑分析框架下也会失效

17:01

UMass AP乔明达：Online Pen Testing

21:20

乔明达：在几乎多项式时间内正确学习决策树

18:14

西北大学AP陆一平：利用随机模拟校准机器学习

01:05:24

前xAI联合创始人吴宇怀：记忆增强 Transformer

01:00:14

前xAI核心成员刘昊天：可操控视觉智能

57:21

港科大副教授陈启峰：探索图像中的可逆性

52:55

CMU AP朱俊彦：面向所有人的生成对抗网络

01:10:07

港科大副教授陈启峰：高分辨率视频生成与用户交互式编辑

54:38

普林斯顿大学AP刘壮：数据集偏差的十年抗争：我们成功了吗？

01:02:53

普林斯顿大学教授王梦迪：生成式人工智能与统计数据科学：机遇与挑战

47:16

OSU AP苏煜：基于大语言模型的神经符号化语言智能体

44:11

清华大学副教授戴季峰：OpenMMLab 教程

34:35

CMU AP李旻辰：刚体与流体的优化式时间积分方法导论

01:31:34

斯隆奖得主、UCB AP梅松：生成式 AI 时代下神经网络逼近理论的再审视

56:37

斯坦福大学副教授Percy Liang：基础模型的开源与科学研究

52:50

斯隆奖得主Percy Liang：基础模型纪元：开源生态与科学前沿

44:01

斯坦福大学CRFM主任Percy Liang：基础模型，是否只是空中楼阁？

37:07

斯坦福大学副教授Percy Liang：马尔可夫决策过程

01:20:20

哈佛大学AP杜一伦：通过组合生成构建具备泛化能力的多模态模型

31:46

OpenAI陈博远：扩散强迫：次令牌预测与全序列扩散的融合

40:03

哈佛大学AP杜一伦：学习世界的组合模型

01:13:16

杜一伦：基于能量模型的隐式学习

01:05:38

香港大学马毅：追寻智能的本质

01:12:31

宋舒然：当学习遇见引力：从数据中学会拥抱动力学的机器人

01:06:25

滑铁卢大学石昊悦：追踪（多模态）大语言模型中符号接地的涌现过程

01:07:40

栗师：带异常值的聚类 —— 近似算法与分布式算法

41:25

茅佳源：基于神经符号概念的学习、推理与规划

01:03:32

菲尔兹奖得主圆桌会议：AI如何彻底改变数学研究

50:18

田渊栋：神经符号决策统一框架

01:09:45

陶哲轩：新的数学工作流程——AI for Math

01:00:47

田渊栋：由内而外的可解释性 —— 多层 Transformer 中的训练动力学

01:07:09

菲尔兹奖得主迈克尔・弗里德曼：压缩即一切

52:31

石昊悦：语言学洞见深化我们对人工智能系统的理解

01:04:31

田渊栋：AI引导的非线性优化

53:41

田渊栋：支持长上下文的大语言模型高效推理

53:35

田永龙：对比学习中，什么样的视图才是好视图？

57:53

田永龙：对比学习：一种通用的自监督学习方法

59:18

亚历山德鲁·D·约内斯库：关于剪切流和涡旋的整体稳定性

47:56

姚期智：以好问题为起点，构建计算机科学

01:11:54

姚期智：博弈论在拍卖机制与区块链中的应用

01:18:31

《80年代的伯克利》第4集：图灵奖得主姚期智

42:07

朱邦华：构建面向 AI 智能体的前沿推理与训练基础设施

12:26

周博磊：基于世界模型实现人行道自主导航的规模化落地

08:40

顶部