Latent Space

AI 工程師視角的技術深訪，是把論文和產品接起來的少數節目

本站已深讀6 / 221 集

更新節奏約 6.3 天一集

最新一集2026-08-26

分類AI / 技術

優先級T1

物理沒有基礎模型，神經算子用天氣預測補上這一課

Anima Anandkumar 用神經算子把天氣預測帶進 AI 時代：同樣精度快數萬倍、只用消費級 GPU，並展示物理世界如何用少量數據加幾何歸納偏置邁向基礎模型。

Joon Sung Park 的判斷：把人當作可訓練對象，需要的不是更強的推理模型，而是會犯和人一樣錯誤的模型——前沿模型在小眾人群行為預測上只有 20–30% 準確率，Simile 用兩小時深訪加 RCT 數據把它做到 85%。

Chai 為 50 個靶點設計抗體約一半命中，cryo-EM 驗證誤差 0.33Å；真正的護城河不是模型，而是數據、算力和讓藥企願付錢的驗證鏈路。

選對層之後，量化更多反而更保真——誤差會互相抵消；同理 10 倍加速不是單點突破，而是量化、speculator、PD 分離各翻一倍疊出來的。

OpenAI 把 Codex 的 harness 原樣搬給了知識工作者，只改 UX 取捨和 sandbox 默認值；背後的判斷是職能邊界會被 AI 抹平，所以拒絕按「你是誰」劃產品線。

Poolside用總參1180億、激活80億的小模型證明，持久性和驗證行為比單純堆參數量更能提升編程能力，這讓他們相信開源小模型能打破巨頭壟斷的未來。