Cum gândește GPT-5, cu @OpenAI vicepreședinte de cercetare @MillionInt 00:00 - Introducere 01:01 - Ce înseamnă de fapt raționamentul în AI 02:32 - Lanțul de gândire: modele de gândire în cuvinte 05:25 - Cum decid modelele cât timp să gândească 07:24 - Evoluția de la o1 la o3 la GPT-5 11:00 - Drumul către OpenAI: Creșterea în Polonia, renunțarea la școală, comerțul 20:32 - Lucrul la robotică și rezolvarea cubului Rubik 23:02 - O zi în viață: Vorbind cu cercetătorii 24:06 - Cum sunt determinate prioritățile de cercetare 26:53 - Cultura transparenței OpenAI 29:32 - Echilibrarea cercetării cu livrarea rapidă 31:52 - Utilizarea zilnică a instrumentelor proprii ale OpenAI 32:43 - Pre-Training Plus RL: Stiva AI modernă 35:10 - Învățare prin întărire 101: Dresaj de câini 40:17 - Evoluția învățării prin întărire profundă 42:09 - Când GPT-4 părea dezamăgitor la început 45:39 - Cum RLHF a făcut GPT-4 cu adevărat util 48:02 - Învățare nesupravegheată vs învățare supravegheată 49:59 - GRPO și cum DeepSeek au accelerat cercetarea din SUA 53:05 - Ce este nevoie pentru a scala învățarea prin întărire 55:36 - IA agentică și gândirea la orizont lung 59:19 - Alinierea ca problemă RL 1:01:11 - Câștigarea finalei mondiale ICPC fără pregătire specifică 1:05:53 - Aplicarea RL dincolo de matematică și codare 1:09:15 - Calea de aici la AGI 1:12:23 - RL pur vs modele lingvistice