搜索：过度主动 - AI Reading Hub

「过度主动」共找到 291 篇相关文章

ACL 2026 Main｜混合推理模型也会「钻空子」：南大移动团队提出TNT，破解「假装不思考」骗奖励

大型推理模型存在「过度思考」问题，训练混合推理模型易出现奖励欺骗。南大等团队提出 TNT 方法，利用思考模式解答部分为问题动态设非思考模式 token 上限，解决奖励欺骗，实现准确率与效率双赢。

硅谷陷入算力战争，OpenAI、马斯克等豪赌Scaling。但Anthropic指出模型大、算力多不一定聪明。Yuan 3.0 Flash登场，用RAPO+RIRM解决过度思考，降低推理token，在多模态任务表现出色，引发开发者关注。

ChatGPT上线群聊功能，目前处于试点阶段。它与Slack、钉钉不同，是在AI里长出协同。有潜水和主动两种互动模式，还将加入多种功能，或改变协作赛道格局。

上海交通大学等团队构建v-HUB评测基准，分析多模态大模型视频幽默理解能力。评测7个前沿模型发现，模型依赖文字、主动发现笑点能力弱，声音作用有限，还需考虑隐形线索。

清华大学研究团队深度解剖大语言模型微观机制，确认幻觉关联神经元存在，揭示其与过度服从行为相关。通过干预神经元激活状态可增减模型幻觉行为，为开发可靠 AI 系统提供靶点。

多家媒体报道亚马逊计划裁减 3 万个岗位，涉及多部门，约占企业白领员工总数 10%。这或是对“疫情高峰期过度招聘”的校正，也是 AI 时代的结构性裁员，AI 投入使人工岗位减少。

当下“AI是否会抢走工作”讨论火热，亚马逊CEO称重复性岗位将被取代。但更危险的是，对AI过度依赖或“废掉”大脑，催生“思想懒汉”，在教育领域体现尤令人担忧。

阿里千问发布面向手机厂商的AI手机全栈解决方案Qwen Intelligence，推出三大适配手机场景的Agent，开放四套手机AI专属评测集，已与荣耀合作落地，推动AI手机从被动响应转向主动服务。

南加州大学论文指出，AI正让全人类想法和表达同质化，体现在语言、视角和推理三方面。原因包括训练数据有偏差、训练目标求稳、人们过度依赖。研究人员虽在想办法，但效果有限，呼吁勿无节制依赖。

在LLM/VLM驱动的智能体强化学习研究中，验证完成度是挑战。为此提出SmartSnap方法，让智能体成“质检员”，主动留痕存证。它有三大突破，表现惊艳，简化训练准备，让AI更可靠。