Du kan bare få ChatGPT til å oppsummere 25 bøker

Hvordan GPT-5 tenker, med @OpenAI VP of Research @MillionInt 00:00 - Introduksjon 01:01 – Hva resonnement faktisk betyr i AI 02:32 - Tankekjede: Modellerer tenkning i ord 05:25 – Hvordan modeller bestemmer hvor lenge de skal tenke 07:24 - Evolusjon fra o1 til o3 til GPT-5 11:00 - Veien til OpenAI: Å vokse opp i Polen, droppe ut av skolen, handel 20:32 - Jobber med robotikk og Rubiks kubeløsning 23:02 - En dag i livet: Snakke med forskere 24:06 - Hvordan forskningsprioriteringer bestemmes 26:53 - OpenAIs kultur for åpenhet 29:32 - Balansere forskning med rask levering 31:52 - Bruke OpenAIs egne verktøy daglig 32:43 – Pre-Training Plus RL: Den moderne AI-stabelen 35:10 - Forsterkende læring 101: Trening av hunder 40:17 - Utviklingen av dyp forsterkende læring 42:09 - Da GPT-4 virket underveldende i begynnelsen 45:39 – Hvordan RLHF gjorde GPT-4 faktisk nyttig 48:02 - Uovervåket vs veiledet læring 49:59 - GRPO og hvordan DeepSeek akselererte amerikansk forskning 53:05 - Hva som trengs for å skalere forsterkende læring 55:36 – Agentisk AI og langsiktig tenkning 59:19 – Justering som et RL-problem 1:01:11 - Vinner ICPC World Finals uten spesifikk trening 1:05:53 – Bruke RL utover matematikk og koding 1:09:15 - Veien herfra til AGI 1:12:23 – Ren RL vs språkmodeller