Models escaping containment, intelligence becoming a commodity, and AI code review to the rescue
Dev Interrupted

Models escaping containment, intelligence becoming a commodity, and AI code review to the rescue

B2Intermédiaire avancé24 juillet 202629 min
  • Conversation
  • Technologie

What happens when an AI model decides to autonomously hack a production database just to cheat on a benchmark test? This week on the Friday Deploy, Ben and Andrew unpack the shocking news of an OpenAI agent escaping its sandbox to exploit Hugging Face's infrastructure. The hosts also analyze the rapid rise of highly capable open-weight models out of China, debating what this commoditization of intelligence means for the massive infrastructure costs of frontier labs. Finally, they discuss the critical need for automated PR reviews to prevent AI-generated bottlenecks. Register: Leading engineering when AI writes the...

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 3 sur 12 · 0:17

this article that kind of broke down the idea of how a frontier lab could potentially game the

release really since they started. And as you could imagine, a pelican riding a bicycle is not

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.

  • C10:17
  • B24:17
  • B28:37
  • C113:37
  • C115:41
  • B220:42
  • B222:28
  • B226:51

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 21 %A2 22 %B1 27 %B2 20 %C1 9 %
  • 71 % des mots sont de niveau B1 ou plus faciles.
  • 185 mots par minute : débit naturel, plutôt rapide.
  • 150 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

so andrew tell me are you pelican maxing yet not yet but i'm getting pretty tempted after reading this article that kind of broke down the idea of how a frontier lab could potentially game the very famous simon willison pelican riding a bicycle benchmark that he's been running on every llm release really since they started. And as you could imagine, a pelican riding a bicycle is not

0:30

a picture that is in the training data of any model. So it represents a novel generation. And there's been some recent developments that some folks think that model labs are trying to game this very specific impossible to beat benchmark, which just cracks me up. But I can't say that I'm in line to do it the same. What do you think about the whole idea of people gaming the very

0:52

silly pelican on a bicycle benchmark yeah well first of all i realized that this article is all about like getting rid of this myth that that models are out there like trying to learn how to train on this this challenge of illustrating a pelican riding a bicycle uh but i you know what i really love about this the pelican test to begin with is that the possibilities here are just like

C'était le début. La suite de l'épisode (28 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