#116 – Sara Seager: Search for Planets and Life Outside Our Solar System
萨拉·西格 (Sara Seager) 是麻省理工学院的行星科学家，因寻找系外行星的工作而闻名。通过支持我们的赞助商来支持这个播客。点击链接，获取折扣： - 公共商品 https://publicgoods.com/lex 并使用代码 LEX - PowerDot：https://powerdot.com/lex 并使用代码 LEX - Cash App - 使用代码“LexPodcast”并下载： - Cash App (App Store)：https://apple.co/2sPrUHe - Cash App (Google Play)：https://bit.ly/2MlvP5w 剧集
X5 Retail Group проверит мусорные баки с помощью датчиков GoodWAN
X5 Retail Group 已成功完成 GoodWAN 生产的垃圾桶液位传感器的测试。自 2019 年 10 月起，该试验区的测试已在该公司的 10 家莫斯科商店进行。
Learning from Las Vegas: Research Ethics and COVID-19
安德森·库珀（Anderson Cooper）对拉斯维加斯市长卡罗琳·古德曼（Carolyn Goodman）进行了采访。许多人已将这次采访与市长的邓克（Dunk）联系起来，后者希望她的城市放弃社会疏远，现在回到工作。但是这种不屑一顾的事物错过了一些重要的事情。访谈向我们表明，许多聪明的人，[…]从拉斯维加斯学习的邮政学习：研究伦理和库维德19号首次出现在附带的经济学家中。
Full Honors Ceremony in honor of Chief of Royal Australian Navy Vice Admiral Michael Noonan
彼得·威廉（NRL），于8月26日在海军研究办公室（ONR）总部举行的仪式上获得了弗雷德·E·萨尔费尔德博士的杰出科学成就奖。作为海军行动主管Mike M. Gildaygood上午的准备备注。副海军上将
Full Honors Ceremony in honor of Chief of Royal Australian Navy Vice Admiral Michael Noonan
作为海军行动主管Mike M. Gildaygood上午的准备备注。副海军上将
Cristos Goodrow: YouTube Algorithm
Cristos Goodrow 是 Google 的工程副总裁，也是 YouTube 的搜索和发现主管（又名 YouTube 算法）。此对话是人工智能播客的一部分。如果您想了解有关此播客的更多信息，请访问 https://lexfridman.com/ai 或在 Twitter、LinkedIn、Facebook、Medium 或 YouTube 上与 @lexfridman 联系，您可以在那里观看这些对话的视频版本。如果您喜欢播客，请在 Apple Podcasts 上给它 5 星评价，在 Spotify 上关注它，或在 Patreon 上支持它。本集由 Cash App 提供。下载它（Ap
549th Hospital Center and BDAACH Receives Army Exceptional Safety Award
兼任第 549 医院中心 (HC) 双重使命的 Brian D. Allgood 陆军社区医院 (BDAACH) 于 2019 年 7 月 23 日被选为获得美国陆军医疗司令部杰出组织安全奖，并于 2020 年 1 月 6 日获奖....
Special Forces Soldiers Dies in Training Accident
北卡罗来纳州布拉格堡 -- 军士长。内森·古德曼 (Nathan Goodman)，36 岁，来自北卡罗来纳州霍普米尔斯 (Hope Mills)，1 月 14 日在亚利桑那州埃洛伊附近举行的例行军事自由落体训练演习中去世。目前该事件正在调查中。
Whitney Cummings: Comedy, Robotics, Neurology, and Love
惠特尼·卡明斯 (Whitney Cummings) 是一位脱口秀喜剧演员、演员、制片人、作家、导演，也是新播客 Good for You 的主持人。她最近的 Netflix 特别节目《我可以触摸它吗？》 (Can I Touch It?) 部分介绍了一个机器人，她亲切地称它为 Bearclaw，该机器人在视觉上被设计成惠特尼的复制品。看到我最喜欢的喜剧演员之一探索机器人和人工智能在我们社会中的社会方面，我感到很兴奋。她还对人类行为、心理学和神经学有一些有趣的想法，其中一些她在她的书《我很好……还有其他谎言》中进行了探讨。这次对话是人工智能播客的一部分。如果您想了解有关此播客的更多信息，请访问
Pacific Tri-Service General Surgeons Perform The First Surgeries at BDAACH
11 月 15 日，在 Brian D. Allgood 陆军社区医院 (BDAACH) 和门诊护理中心开业当天，六名军事普通外科医生（三名陆军、两名海军和一名空军）和一名空军医师助理一起进行了手术...
BDAACH Leads Army Medicine In Satisfaction Survey
Brian D. Allgood 陆军社区医院 (BDAACH) 因提供高度满意的就医体验而获得受益者的认可。 BDAACH 获得 2019 财年第三季度最高的“医院整体评级”，得分为...
Power Beaming: Natick's novel research may lead to new energy capabilities for Soldiers
理查德·奥斯古德三世 (Richard Osgood III) 博士是美国陆军作战能力发展指挥士兵中心的研究员，他正在研究一种将高频转换为直流电的新方法，然后将其用于电力、能源、检测、通信等领域。 。
Ian Goodfellow: Generative Adversarial Networks (GANs)
Ian Goodfellow 是流行深度学习教科书（简称为“深度学习”）的作者。他创造了生成对抗网络 (GAN) 一词，并凭借他在 2014 年的论文推动了 GAN 研究的惊人增长。视频版本可在 YouTube 上观看。如果您想获取有关此播客的更多信息，请访问 https://lexfridman.com/ai 或在 Twitter、LinkedIn、Facebook、Medium 或 YouTube 上与 @lexfridman 联系，您可以在那里观看这些对话的视频版本。
1st Brigade Combat Team: Bastogne Soldier awarded FORSCOM Retention Excellence Award
军士长威廉·M·古德三世 (William M. Goode III)，前第 101 空降师第 1 旅战斗队高级职业顾问，最近荣获美国陆军司令部军士长马蒂·博伊德·格雷在领导力竞赛中获得杰出保留奖。
Снэк-боты спешат накормить студентов (+видео)
百事公司正在将其业务扩展到机器人食品配送服务，其子公司 Hello Goodness 与 Robby Technologies 联手，在加利福尼亚州斯托克顿的太平洋大学校园运营一个自动驾驶自动售货机团队。
HALLM: An Agent that Observes and Acts through a Python Terminal
在 GoodAI，我们致力于安全 AGI 的进步。大型语言模型 (LLM) 无疑提供了强大的功能，但它们本身也存在局限性 — 尤其是无法在部署后学习新技能。我们的创新方法正是在这里大放异彩。我们设计的代理不仅可以利用 LLM 的基础功能，还可以对其进行显著扩展。通过我们独特的架构和新颖的方法，我们的代理赋予 LLM 持续学习的能力，使它们能够理解复杂的指令、随着时间的推移进行适应，并在复杂的推理和解决问题的任务中表现出色。HALLM 可以联系用户以询问更多信息，或者如果它认为用户可以帮助它做某事，例如安装 Python 包或重新启动系统。在上面的视频中，HALLM 使用内置函数“input”要
Introducing Charlie Mnemonic: The First Personal Assistant with Long-Term Memory
作为持续学习研究工作的一部分，我们正在开源 Charlie Mnemonic，这是首款配备长期记忆 (LTM) 的个人助理（LLM 代理）。乍一看，Charlie 可能类似于现有的 LLM 代理，如 ChatGPT、Claude 和 Gemini。然而，它的特色是 LTM 的实现，使其能够从每次交互中学习。这包括将用户消息、助手响应和环境反馈存储并集成到 LTM 中，以便在与手头任务相关时将来检索。Charlie Mnemonic 结合使用长期记忆 (LTM)、短期记忆 (STM) 和情景记忆来提供情境感知响应。这种随着时间的推移记住交互的能力显著提高了对话的连贯性和个性化。此外，Charli
GoodAI LTM Benchmark v3 Released
GoodAI LTM 基准测试的主要目的一直是作为我们在开发能够持续和终身学习的代理方面取得进展的客观衡量标准。但是，我们也希望它对开发此类代理的任何人都有用。为了实现这一点，我们已将此版本定位为更易于理解并产生更标准化的结果，我们希望这些结果更容易进行比较和分析。从基准测试的第一个版本开始，我们就将特定的测试实例分组到数据集或任务类型中。例如，有一个名为“购物清单”的数据集，我们可以从中抽取任意数量的不同测试实例，以评估代理记住一系列物品并保留用户购物清单的更新版本的能力。在早期版本中，每个测试可能会产生任意数量的分数点，并且这些分数点未标准化。这可能导致令人困惑的情况，即通过高度复杂的测试
