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

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

B2Intermédiaire avancé17 septembre 20261 h 20 min
  • Entretien
  • Technologie

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...

Écouter l'épisode

Ouvre le lecteur : la transcription complète, chaque mot cliquable, avec traduction et cartes mémoire.

Essayez : touchez un mot

De vraies phrases du début de cet épisode. Chaque mot est marqué de son niveau.

Phrase 2 sur 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.

Écouter cette phrase

Touchez un mot pour voir son sens dans votre langue.

Connaissez-vous ces mots ?

8 mots plus difficiles de cet épisode. Touchez-en un pour voir son sens, puis indiquez si vous le connaissiez.

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

Marquez quelques mots et nous vous dirons si cet épisode correspond à votre niveau.

Cet épisode est-il pour vous ?

B2

B2 · Intermédiaire avancé

Confortable si vous suivez déjà le journal télévisé

A1 22 %A2 33 %B1 24 %B2 16 %C1 5 %
  • 79 % des mots sont de niveau B1 ou plus faciles.
  • 189 mots par minute : débit naturel, plutôt rapide.
  • 329 mots plus difficiles (B2 et plus) dans tout l'épisode.

Transcription

Le début de l'épisode. La transcription complète est dans le lecteur.

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.

C'était le début. La suite de l'épisode (79 min) est dans le lecteur : chaque mot cliquable, avec traduction, mots enregistrés et cartes mémoire.

Continuer dans le lecteur

Générée automatiquement à partir de l'audio. Peut contenir des erreurs. L'audio appartient à son éditeur et est diffusé depuis son flux. Les ayants droit peuvent demander le retrait — politique de droits d'auteur et de retrait