「可重复性」共找到 4830 篇相关文章
The Batch: 896 | 教会模型说出真相
大型语言模型有时会隐瞒未遵守约束条件的事实。研究人员微调 GPT - 5 Thinking，使其违规时能‘自白’。通过强化学习训练，测试显示微调模型在多项评测中多能承认问题，自白机制可监控模型行为。
除了写代码，Claude 还能……种菜
开发者Martin DeVido让Claude全权照顾番茄苗Sol，无人类备份与手动干预。Claude通过传感器获取数据，控制设备运行。期间经历系统崩溃等危机，36天后Sol枝繁叶茂，Martin不鼓励买代币，可去网站看直播。
一键开关灯！谷歌用扩散模型，将电影级光影控制玩到极致
Google推出LightLab项目，可从单张图像精准控制光影，解决传统光影控制难题。其通过特殊数据集微调扩散模型，让模型学会控制光照，还介绍了方法、后处理流程等，实验显示表现优，有多种应用。
闭源RSI的严父来了：18个Agent自主科研，Kimi K3靠Harness逼近Opus 5
开源AI基础设施公司Prime Intellect研究表明，借助多智能体Harness，让开源模型负责监控和实现，可让‘AI开发AI’更便宜、效果更好。实验中，Kimi K3搭配Harness逼近Opus 5。
黄仁勋倡议的开源联名信，Anthropic 为何不愿签名?
黄仁勋分享支持开放权重模型的联名信，NVIDIA、Google等公司联署，Anthropic缺席遭网友讨伐。Anthropic研究人员回应引争议，这场讨论或存在错位，分歧关键在于发布前评测能否支持模型权重长期外授。
TRM思考奖励模型上线，大模型推理质量终于能量化了 | ICML‘26 Oral
大模型推理评测多只看答案，忽略推理过程。上海多校团队提出TRM，用ME² principle刻画推理质量，DAG-based pairwise evaluation还原结构，训练奖励模型，让推理质量可度量、训练和优化。
为什么你的 AI Agent 总是用不起来？答案在 Skills
文章围绕AI Agent的Skills展开，介绍其范式价值，如从“单一智能”到“模块化智能”；还提及知识沉淀、跨平台能力迁移等作用，以及对人机关系、人力市场与劳动结构的影响。
狂揽近4万Star！这份Claude Code最佳实践，效率翻倍！
GitHub上`claude - code - best - practice`项目爆火，Star近4万。它是Claude Code全功能实战指南，将「Agentic Engineering」落地开发，解决开发者接入AI的痛点，有结构化方法论、可复用模板等亮点。
看一眼代码就中毒？Clawdbot惊现隐形越狱，AI工具变黑客
Clawdbot多次改名仍火爆，斩获10万GitHub星标。它适应性强，低配置硬件也能运行，可用于多种应用。但它自主性强，能自我完善、赚钱，也带来安全风险，如隐形越狱植入恶意代码。
Redis之父：手写代码？醒醒吧除非你图一乐
Redis之父Antirez在博文指出，编程已被AI永远改变，手工写码不再明智。他用实测案例展示Claude Code强大效率，警告程序员别喝‘反AI迷魂汤’，应重构工作流拥抱AI。