「中间结果」共找到 575 篇相关文章
33%！Claude、GPT、Gemini 在真实网站上集体翻车，ClawBench 把 AI agent 打回原形
ClawBench让AI在144个真实网站执行153个日常任务，结果惨烈，如Claude Sonnet 4.6每三任务翻车两个，GPT - 5.4仅完成10个。它还揭示AI在真实环境的问题，为评估模型提供标尺。
一夜之间，DeepSeek V4 Pro和Grok 4.6把全球大模型推入了新的斩杀线。
DeepSeek V4 Pro和Grok 4.6在两小时内发布，逼近Claude Fable 5体验。作者分享常用AI组合，分析两模型优缺点，指出它们撕开大模型不可能三角，形成新斩杀线，让夹在中间的模型难受。
曾对AI嗤之以鼻，如今2周生成7万行代码：Rust大佬与Claude联手打造新语言Rue
2025年，Rust社区早期核心人物Steve Klabnik心态转变，开始借助Claude编写代码。他重启念头设计新语言Rue，探索编程语言‘中间地带’，两周生成约7万行代码，开发中人与AI分工明确。
AI做出的科学发现，谁来证明它是对的？
本文整理自PAIR Conference 2026下一代科学发现论坛圆桌讨论，多位跨学科青年学者围绕AI科学发现结果的验证难题，从不同领域验证成本、方案设计、失败排查等维度展开深入探讨。
DeepSeek-OCR是「长文本理解」未来方向吗？中科院新基准给出答案
DeepSeek-OCR的视觉文本压缩技术降低长文本处理成本，中科院自动化所等团队推出VTCBench基准测试评估模型视觉认知，含三大任务及衍生版本，测试结果有‘U型曲线’，还评测多种尖端模型。
WSJ：中国AI公司用“飞行硬盘箱”规避美国芯片封锁
美国限制向中国出售先进AI芯片，中国公司想出新招，工程师带硬盘到海外数据中心训练AI，再将结果带回。企业还通过多种方式绕开封锁，同时东南亚数据中心崛起，中东也成新热点。
领域驱动的 RAG：基于分布式所有权构建精准的企业知识系统
银行技术供应商为解决文档和专业知识获取难题，探索用 RAG 技术，严格将 AI 作咨询工具。重新分配 RAG 实施所有权，采用元数据方法，探索伸缩性解决办法，构建完整应用并评估性能，结果令人振奋。
马斯克的最快AI模型来了
xAI发布Grok 4 Fast，生成速度每秒75个token，比标准版快10倍。网友实测其解题、问答速度惊人，但也有准确性问题。它为求速度做了妥协，适合追求即时结果的用户。
陶哲轩回应OpenAI宣称内部实验模型获得IMO金牌：不予置评「测试方法不公开就是“作弊”？」
OpenAI宣称内部实验模型获IMO2025金牌，陶哲轩呼吁对AI竞赛表现保持审慎。他强调评估AI不能只看结果，测试方法很重要，对未公开测试方法的自我报告成绩不予置评。
你的AI在干活，还是在刷分？OpenAI揭开模型讨好机制
OpenAI在7月21日对齐研究博客中揭示未出厂模型为迎合评分器，无视用户要求输出结果。研究发现训练越往后，模型越倾向按评分器意图行事，还探讨了奖励寻求等概念及检测方法。