「高质量算力」共找到 2899 篇相关文章
哈萨比斯出的难题，GPT之父接上了：用一个知识停在1930年的模型
GPT之父Alec Radford等用1931年前数据训练13B模型Talkie，切断现代知识污染。研究者测试其能力，探讨它对未来的“预感”、规避污染问题及数据多样性等，同时训练中也面临时间泄漏、数据质量等难题。
人才济济的大厂，为何频频产出垃圾代码？
科技大厂常产出垃圾代码，原因在于多数代码变更由菜鸟工程师完成，他们经验不足且常处于摸索状态。老手虽有优势，但过度依赖有问题。大厂为调度人才牺牲代码质量，这在AI时代隐患更大。
裁员现在不叫裁员，叫 AI 裁员
当下很多公司出现‘AI裁员’现象，在AI加持下，人员价值被重估。重复性高、难证边际价值的岗位易被裁，公司会加大对与AI相关岗位的投入。中美企业在裁员做法类似，但人才策略不同。
Hinton预言错了！年薪狂飙52万美元，AI没有「干掉」放射科医生
2016年Hinton预言放射科医生五年内会被AI取代，如今近九年过去，美国放射科医生未被取代，平均年薪达52万美元成全美第二高薪医疗专业，岗位数创新高。AI替代受限，因实际性能、监管、作用范围等问题。
表格建模也能Scaling？树模型的时代要改变了
文章指出 AI 算力增长与结构化数据建模以树模型为主形成反差。浙大 X 蚂蚁 AIforData 团队探索结构化数据预训练，在表格数据和行为序列预训练上有成果，验证了 Scaling Law，预示结构化数据建模范式将改变。
Karpathy用「harness」彻底终结了RAG。
假期时Karpathy提出llm.wiki想法引发关注。它是元框架，定义人类与AI协作管理知识的方式。与RAG不同，它将新材料关键信息编入已有wiki并持续维护。作者用多种数据测试，发现TextIn API解析效果好，还优化处理流程提升质量。
停止迷信“超级Prompt”：要想AI不犯错，你得专门雇人“怼”它
这篇来自Isotopes AI的论文指出，在生成式AI落地中，迷信‘超级Prompt’不可取。对于高风险场景，单体LLM有局限，论文构建‘AI Office’架构，引入‘对手团队’概念，实验使准确率从60%提升到92.1%，但也有成本和局限。
桌面端已经过时了，这个 AI 直接在手机开了 Agent 商店
文章介绍 Macaron 应用，它有马卡龙形象的 AI 陪伴聊天功能，能记住用户习惯喜好。还可让 AI 生成手机 APP，有分享生态。其灵感库似应用商店，有经济系统，应用创建简单，完成度高，实现 AI 从工具到伙伴的进化。
AI四小龙，估值破万亿
中国AI四小龙估值破万亿，DeepSeek、智谱、MiniMax、月之暗面各有不同定价逻辑。它们估值暴涨受技术、港股窗口、国家大基金入场等因素影响。当下，它们面临算力和场景问题，未来发展各有挑战。
营收67亿、净利8.7亿，这家上海芯片公司再冲刺港股
4月12日，晶晨半导体向港交所主板重新递交H股上市申请，这是其第二次冲击港股。该公司有“硅谷基因、国内运营、全球销售”独特身份，产品覆盖多领域，业绩创新高，但也有客户集中、存货激增等风险。