聊AI智能体，创始人说部署才是当前瓶颈

我和@mudithj原本和@gabepereyra见面，只打算进行一场普通的常规介绍通话，结果我们聊了一场超棒的深度对话，内容涵盖研究现状、LLM的发展水平，以及智能真正的前进方向。

很少能遇到一位既对具体业务细节钻研极深，又在智能新时代最重要的垂直领域之一创业的创始人。所以能坐下来和Gabe展开长谈真的很棒，我们聊了打造能够可靠完成数小时、数天甚至更长时间工作量的智能体，到底需要什么。

我们聊到了为什么当下的智能体在搜索和长上下文窗口方面表现不佳，以及KV缓存压缩、合成数据和持续学习这类技术能提供什么帮助。

0:00 介绍
0:36 让法律智能体审查整个数据室

2:08 比所有上下文窗口都更大的数据室
5:28 开源模型能走多远

7:58 专业模型在法律AI中的定位
10:59 客户数据无法使用时如何训练法律模型

13:06 教模型理解律所的运作方式
13:59 哪些内容该放在上下文里，哪些该放在模型权重里

15:36 从全律所共用的AI到每位律师专属的模型
18:37 除了检索正确案例外，训练还能带来什么

20:26 为什么上下文窗口的发展已经停滞
24:01 模型如何能在工作中持续学习

26:12 AI能否递归式改进AI研究？
27:07 研究智能体能运行实验，但无法自主选定研究方向

30:00 为什么开放式研究很难训练
33:47 为什么瓶颈是部署，而非智能本身

35:08 前沿智能的成本
36:59 不同的新实验室，通往智能的不同路径

39:26 使用开放数据集对比研究方法
41:13 结语