「RAG评估机制」共找到 1714 篇相关文章
Agent全自动搭建代码运行环境，实时更新解决评测过拟合/数据污染问题｜微软
长期以来主流代码修复评测基准SWE - bench问题多，制约AI模型能力展现。微软发布SWE - bench - Live，引入新Issue，实现环境自动化构建与更新，打破传统局限，还揭示传统基准过拟合问题。
在Think中边搜索边调整的搜索增强Reasoning方法
LLM虽知识丰富，但无法掌握训练数据外的信息，传统检索增强生成方法有缺陷。AutoRefine提出“先筛选，再回答”理念，用强化学习训练，实验显示在多方面碾压传统方法，未来或改变知识密集型任务解决方式。
OpenAI：GPT-5就是All in One，集成各种产品
OpenAI研究副总裁剧透GPT - 5将整合Codex、Operator等产品。团队分享Codex详情与未来计划，回应10大问题，如语言选择、运行方式等，还将推免费API积分，发布了Codex上手指南。
Claude骂声中启动「隐形水印」：新模型全量嵌入，标记所有文字
Anthropic宣布新款Claude将在生成文本中嵌入隐形水印，还会给特定文件附加数字签名元数据，全球统一施行。此前A社就用Unicode贴暗标，虽称不影响生成质量，但遭质疑。
能让DeepSeek自进化的Harness！LlamaFactory作者开源新工具：0.2元自动造Agent
LlamaFactory作者郑耀威团队开源的PenguinHarness，是全球首个支持多Agent自进化的Harness，能自动构建、评测和改进Agent。它成本低、速度快，适配众多模型，还有严格契约保障安全。已在生产场景应用，效果显著。
世界模型炒作了半年，反应速度还不如 VLA？穆尧团队和百度智能云给出最新解法
生成式世界模型用于机器人控制备受争议，因其推理延迟高。上海交通大学 ScaleLab 团队等联合发布 AHA - WAM，解决推理延迟和时空分辨率错配问题，在任务成功率和推理速度上领先，还需系统协同推进落地。
爆火「开源投资框架」，AI时代的伯克希尔
AI投资虽火但常给出正确废话，AI Berkshire爆火，兼容Claude Code和OpenAI Codex，有18个Skill。它将四位投资大师方法论抽象成流程，通过多Agent协作完成投研闭环，还有强制给结论等特点。
兼顾效率、成本与能力，百灵开源旗舰推理模型 Ring-2.6-1T
5月15日，蚂蚁百灵开源旗舰级推理模型Ring-2.6-1T，权重文件上线Hugging Face、ModelScope平台。该模型有万亿参数，‘按需思考’，在代理执行、推理机制、训练范式三方面升级，评测表现出色。
瘾
作者分享自己沉迷与AI交流，读书难以集中，经调研发现这是一种“瘾”。AI回复符合预测间隙机制，还启用依恋系统，让大脑失去与人沟通的耐心，同时世界因AI产生割裂。
Claude神之bug：给自己下指令，还诬赖用户？？Hacker News炸了
强如Claude也现诸多bug，如分不清发言角色，把恶意注入指令当用户请求。技术根源是Transformer架构注意力机制盲区。网友给出避坑方案，还吐槽Claude算力调整、计费乌龙等问题。