From Math Olympiads to Navier-Stokes: How Fast Is AI Progressing? with Greg Burnham - #778
播客收听
问这期播客
会先在本集摘要、章节、转录和笔记里找答案。
TL;DR · AI 摘要
From Math Olympiads to Navier-Stokes: How Fast Is AI Progressing? TWIML - The Voice of Machine Learning & AI Google Tag...
核心要点
- 主题聚焦：From Math Olympiads to Navier-Stokes: How Fast I
- 来源：TWIML AI Podcast，建议结合原文判断细节。
- AI 分析暂不可用，本条为保底评分与摘要。
章节
- 要点
主题聚焦：From Math Olympiads to Navier-Stokes: How Fast I
主题聚焦：From Math Olympiads to Navier-Stokes: How Fast I
- 要点
来源：TWIML AI Podcast，建议结合原文判断细节。
来源：TWIML AI Podcast，建议结合原文判断细节。
- 要点
AI 分析暂不可用，本条为保底评分与摘要。
AI 分析暂不可用，本条为保底评分与摘要。
转录
这期还没有可搜索转录。后续抓到带时间戳的内容后会自动补到这里。
节目笔记
从数学奥林匹克到纳维-斯托克斯方程：人工智能的进步有多快？| TWIML - 机器学习与人工智能之声
Google Tag Manager (noscript)
End Google Tag Manager (noscript)
从数学奥林匹克到纳维-斯托克斯方程：人工智能的进步有多快？Greg Burnham 对话
EPISODE 778
|
2026年9月29日
Watch
Play
Follow
Apple Podcasts
Spotify
YouTube
Overcast
Podcast Addict
Castbox
Pocket Casts
RSS
Share
X
不要错过任何一期！
加入我们的邮件列表获取节目摘要和其他更新。
关于本期内容
人工智能系统已经从难以解决小学数学题，到帮助解决困扰数学家数十年的研究难题，包括纳维-斯托克斯方程。在本期节目中，Epoch AI 负责人工智能能力研究的 Greg Burnham 加入我们，探讨这些进展揭示了人工智能未来的发展方向。我们将探讨这些系统如何解决数学难题，它们在多大程度上依赖于持续性和人类先验工作，以及它们是否开始产生真正的新想法。我们还将讨论如何衡量进步（当传统基准变得越来越不具参考价值时），为何能力提升在模型迭代中呈现出令人惊讶的稳定性，以及模型在开放性工作、经验学习和识别有前景的研究方向方面仍存在哪些不足。
关于嘉宾
#### Greg Burnham
Epoch AI
与 Greg 保持联系
资源
- 人工智能基准与能力
- Epoch 能力指数
- FrontierMath
- FrontierMath 开放问题
- FrontierMath 厄多斯
- 九个重大问题：基准如何帮助解答
- Epoch AI 数据洞察
- GSM8K
- 使用 MATH 数据集衡量数学问题解决能力
- 国际数学奥林匹克竞赛
- 千年大奖难题
- 关于纳维-斯托克斯千年大奖难题
- 关于单位距离猜想反证的评论
- OpenAI o1 介绍
- AlphaGo
- GPT-6 Astra
- Codex
- Claude Code
- Claude Fable
- Earthborne Rangers 基准测试
- Earthborne Rangers
- 家具组装基准测试
- 对 OpenAI 和 Hugging Face 被黑事件的简要独立调查