新闻资讯8

Thinking Machines Lab揭秘LLM推理不确定性真相

机器之心2025-09-11

AI 摘要

Thinking Machines Lab文章指出，大语言模型推理不确定性并非因“并发+浮点”，真正元凶是缺乏批次不变性。作者介绍使核具有批次不变性的方法，实验证明启用相关核函数能实现确定性结果，还可实现真正的在策略强化学习。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

Cloudflare CEO：五年后机器流量千倍于人

本文整理自The Verge《Decoder》播客对Cloudflare CEO的访谈，披露今年5月互联网自动化流量已超过人类流量，预测五年后将达千倍，讨论AI时代互联网新商业模式、内容付费、AI爬虫拦截等热点议题。

本文作者实测Claude Opus5.5的视频制作能力，除人工配音外，分镜、动画、音效、配乐全靠代码完成，对比GPT-6 Astra展示各环节提升，验证大模型全流程做视频的可能性。

本文报道AI初创公司TypeSafe AI发布的模型Jev上线仅9天，就传出投资者给出超百亿美元估值，剖析资本追捧低价薄利模式的原因，同时梳理业内对其护城河的质疑，探讨大模型赛道资本动向。

本文围绕GPT-6 Astra发布后的行业测试展开，讨论通用大模型能否成为机器人的通用大脑，分析了通用大模型参与机器人控制的原理与优势，点明当前能力边界，提出了分工协作的落地方案。