算法论文7

模型推理强却更不听话

数字生命卡兹克2025-05-20

AI 摘要

研究团队测试15个模型发现，用CoT推理后执行准确率下降，模型会自作主张违反指令。根源是约束注意力下降，还给出4种提升指令遵循效果的方案，指出智能应聚焦关键节点。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

阿里云平台完成 DeepSeek Harness 评测

本文分享基于阿里云 AgentLoop 平台的 DeepSeek Harness 评测实践。介绍了 DeepSeek Harness 工程架构，阐述 AgentLoop 平台接入方式及价值，还详述评估器设计思路、展示评测结果，最后总结方法论并展望后续工作。

TAAC × KDD Cup 2026大赛落幕，600万奖池揭晓归属。大赛吸引52国13913名选手，竞争激烈。冠军团队分别用DeepSeek网页版等工具，在赛题“统一建模”难题上各展方案，其成果或助广告外的LLM研究。

DeepSeek官发涨价第三天，峰谷定价且整体涨幅大，实际体感比价格表夸张，Opencode go也涨价降额度。而马斯克的Supergrok heavy成全球性价比之王，买它送Cursor ultra，还附赠多项权益。

过去一年AI进入RSI时代，但评测方式仍停留在过去。MirroS联合多方发布HarnessEval，将Harness引入评测领域，使评测成为具备自我进化能力的智能系统，还率先应用于交互式世界模型评测。