E402. AI下一站：顶尖学者分享AI研究新机遇 ｜ 俞舟教授访谈_上

00:00 简介 03:26 嘉宾自我介绍：俞舟教授与Arklex公司 04:45 研究背景：从NLP到AI Agents 07:18 核心问题：AI Agents与NLP的现状 08:02 观点：大语言模型(LLM)是NLP的机遇而非终结 12:15 探讨：LLM时代，NLP研究还有什么价值？ 15:11 案例分析：DeepSeek的创新是工程还是研究？ 18:10 何为“新颖”：Transformer与GPT-3的启示 19:47 深入：大语言模型(LLM)“涌现”能力的原因 21:44 通俗解释：为什么大语言模型(LLM)能工作？ 22:28 待续：研究与实际落地的差异 完整版91分钟：哥大AI教授，Arklex.ai创始人：学术业界结合，Agents前沿应用，技术创业的经验教训｜俞舟访谈 https://youtu.be/A2dE2wfzOgY 本期访谈邀请了哥伦比亚大学教授、Arklex公司创始人俞舟。俞舟教授分享了他从早期研究自然语言处理（NLP）到创立专注于AI Agent Orchestration（AI代理协调层）公司的历程。访谈深入探讨了在大语言模型（LLM）兴起后，NLP领域的发展现状、研究方向的转变、AI Agents领域的机遇与挑战，以及对“研究新颖性”和LLM“涌现能力”等核心概念的理解。 核心亮点提炼： 嘉宾背景： 俞舟教授拥有深厚的NLP研究背景（浙大、CMU博士），现为哥大教授并创办了AI公司Arklex，专注于AI Agent的协调层技术（开源与企业版）。 NLP未死论： 俞舟教授认为LLM的出现极大地推动了NLP领域的发展，使其更受欢迎、资源更丰富，吸引了顶尖人才，为研究者（包括他自己）带来了更多机遇（如教职增加、经费易得），而非终结了这个领域。 研究价值转变： 即使很多基础任务看似被LLM解决，但研究并未停止。重心转向了如何让模型更高效、更鲁棒、成本更低、处理边缘案例、进行多模态融合等，以及探索更前瞻性的应用（如他早期研究的多模态Agent）。LLM/API降低了研究门槛，让研究者能更快探索更复杂的问题。 研究的多样性： 研究不仅包括提出全新算法（如Transformer），也包括优化效率、降低成本（如DeepSeek在架构上的贡献）以及巧妙地组合现有技术并开源分享，推动整个社区进步。 LLM涌现解密： LLM的“涌现”能力（如GPT-3的In-Context Learning）被认为是“量变引起质变”的结果。俞舟团队的研究发现，预训练数据中存在的“平行结构”（如语言中的重复模式）是模型学会In-Context Learning的关键。 LLM工作原理简述： 大模型因其巨大的容量，在学习海量数据和足够监督信号后，能够进行知识的泛化和外推，而不仅仅是复制，从而展现出强大的能力。 会员3美元一个月，提供很多超值内容： 1. 加入一次，即可获取会员社区终身资格：www.superlinear.academy 2. 每周更新会员专属视频 3. 很多视频都比公开视频更加深度 4. 访谈视频一般在会员专属发完整版，一般是公开版2、3倍的内容，覆盖更多营养 5. 还有一些专属内容，比如关于如何打两份工攒四份钱。嘉宾并不想公开发表，但是又很有分享价值。就通过会员内容来有门槛地分享 总之，很建议加入一个月试试看，可以从这个playlist开始：https://youtube.com/playlist?list=PLO_DkCSmTKMODESa8MF8Q67ZwkqgsH_UP&si=zixsdYH4d3wHRTdy 除此以外，我还有一个关于如何用GenAI提升自己生产力，抓住时代机会的课程。是Maven.com上销量最高、评分最高的课程之一。 - Cohort based课程地址：https://www.maven.com/kedaibiao/genai - Self paced课程地址：https://www.superlinear.academy/c/ai/