Noam Brown – Agent swarms, alignment, & recursive self-improvement
Dwarkesh Podcast

Noam Brown – Agent swarms, alignment, & recursive self-improvement

B2بالاتر از متوسط۲۶ شهریور ۱۴۰۵۱ ساعت ۲۰ دقیقه
  • مصاحبه
  • فناوری

New episode with Noam Brown. We talk about multi-agent, Navier-Stokes, and what the current explosion of maths progress tells us about what happens once you automate AI research. And we also discuss how we will know if the models are actually aligned before we kick off RSI. Watch on YouTube; read the transcript. Sponsors * Jane Street has been interested in AI for a lot longer than you’d think, and not just for trading. In 2011, a full year before AlexNet and over a decade before ChatGPT launched, they hosted th...

پخش قسمت

پلیر باز می‌شود: متن کامل، همه‌ی کلمه‌ها قابل کلیک، با ترجمه و فلش‌کارت.

امتحان کنید: روی هر کلمه بزنید

جمله‌های واقعی از ابتدای همین قسمت. سطح هر کلمه مشخص شده است.

جمله‌ی 2 از 12 · 0:04

Today, I'm chatting with Noam Brown, who is a researcher at OpenAI.

,

and now he's working on multi-agent systems.

شنیدن این جمله

روی یک کلمه بزنید تا معنی‌اش را به زبان خودتان ببینید.

این کلمه‌ها را بلدید؟

8 کلمه‌ی سخت‌تر از این قسمت. روی هر کدام بزنید تا معنی‌اش را ببینید، بعد علامتش بزنید.

  • B20:04
  • C118:18
  • B229:04
  • B230:22
  • B249:34
  • B259:55
  • C166:48
  • B276:01

چند کلمه را علامت بزنید تا بگوییم این قسمت چقدر با سطح شما جور است.

این قسمت به سطح شما می‌خورد؟

B2

B2 · بالاتر از متوسط

اگر اخبار تلویزیون را دنبال می‌کنید، راحت هستید

A1 ۲۲٪A2 ۳۳٪B1 ۲۴٪B2 ۱۶٪C1 ۵٪
  • ۷۹٪ کلمه‌ها در سطح B1 یا ساده‌تر هستند.
  • ۱۸۹ کلمه در دقیقه: گفتار طبیعی و نسبتاً سریع.
  • ۳۲۹ کلمه‌ی سخت‌تر (B2 و بالاتر) در کل قسمت.

متن گفتار

ابتدای این قسمت. متن کامل در پلیر است.

0:00

Today, I'm chatting with Noam Brown, who is a researcher at OpenAI. He was one of the foundational contributors to what became O1 in the reasoning models, and now he's working on multi-agent systems. Speaking of which, you guys announced last week that you solved one of the Millennium

0:15

Price problems with a system of 10,000 different AI agents that spent 130 billion tokens over 88 hours. One of the reasons I was interested in talking to you is I think you were in the first people maybe two or three years ago who was thinking about how the reasoning models would

0:32

allow us to see into the future because if you scale up inference compute, you can see what the base capabilities of the models will be a few years in the future. And I feel like you're in a similar position now to help us understand what future capabilities will look like given the enormous scaling of agent sizes that we can do right now.

این ابتدای قسمت بود. بقیه‌ی قسمت (79 دقیقه) در پلیر است: همه‌ی کلمه‌ها قابل کلیک، با ترجمه، ذخیره‌ی کلمه و فلش‌کارت.

ادامه در پلیر

به‌صورت خودکار از صوت تولید شده و ممکن است خطا داشته باشد. صوت متعلق به ناشر آن است و از فید خودش پخش می‌شود. صاحبان حق می‌توانند درخواست حذف بدهند — سیاست کپی‌رایت و حذف محتوا