「内测结果」共找到 997 篇相关文章
如何为 GPU 提供充足存储：AI 训练中的存储性能与扩展性
文章通过分析 MLPerf Storage v2.0 测试结果，探讨不同存储系统在大规模 AI 训练中的表现。介绍三类训练负载及新的 Checkpointing 负载，分析共享文件系统类别，给出比较视角，解读各负载测试结果并总结选型要点。
我们对 Coding Agent 的评测，可能搞错了方向
用户对 Agent 不满常因它「做得不好」，不遵循指令和规范。当前主流评测体系以结果为导向，与真实场景错位。MiniMax 开源 OctoCodingBench 评测集，结果显示模型过程规范遵循不足，未来训练需引入过程监督。
大模型 Token 究竟是啥：图解大模型Token
文章详细解释大模型Token概念，指出分词器会把文字切成Token，不同分词器切分结果不同。还介绍分词器的分词方法，通过统计文字出现频率打包成Token并编号，不同模型切分结果有差异。
全国大学生，苦 AIGC 检测久矣
央视报道，多位高校学生毕业论文被 AIGC 检测系统误判，甚至《滕王阁序》《出师表》也被标为高风险。检测原理主要依赖「AI 困惑度」和「突发性」。毕业季检测算法升级致结果大幅波动，引发学生不满。
黑洞信息悖论推进至“定量完备性模量”：清华团队开源VeriLoop E2迈向可验证智能
针对大模型长链推理、科研任务中无法自我验证结果可靠性的结构性缺口，清华团队推出开源项目VeriLoop E2，拆分模型探索权与外部证据提交权，在多场景完成验证，推进可验证智能发展。
连肝12小时！一轮狂刷1500篇论文，写4.2万行代码，AI科学家卷疯科研圈
Kosmos是一款全程无需人类插手的AI科学家，最长能连续工作12小时，平均一次研究读1500篇论文、写4.2万行分析代码，79%研究结果可被人类复现，已在多领域有7个真发现。
“被投资人怒怼30分钟后，我更确定中国To B的答案” | 甲子光年
文章讲述百融云创在AI To B领域的探索。它突破传统“卖工具”模式，采用“结果计价”，共担结果、承包KPI。技术上提前押注语音对话技术栈，“硅基员工”概念落地多场景，有望推动中国To B行业进入新秩序。
一个Skill让DeepSeek V4 Pro超越Fable 5？热门插件被锤了
前两天J-Space凭夸张测试结果刷屏，宣称一份Skill接入Agent环境，能让V4 Pro在多基准大幅提升，部分成绩超Fable 5。但社区复测结果相反，作者未公开完整评测记录，还删质疑帖，引发公开打假。
Claude独立攻克理论物理前沿难题，全程无人指导，花费不到两千美元
本文报道Anthropic旗下大模型Claude在几乎无人指导的情况下，独立完成理论物理前沿难题——平面N=4超杨-米尔斯理论九圈六胶子散射振幅计算，总成本不到两千美元，中科院团队也借助GPT-6得到结果，业内探讨了AI在科研中的能力边界。
硅谷甄嬛传爆更，马斯克转发！Ilya动手那一夜，谁捅了奥特曼一刀？
硅谷版《甄嬛传》精彩上演，理想主义者Ilya对决野心家奥特曼，马斯克火上浇油。Ilya备忘录指控奥特曼撒谎等，揭示OpenAI内部斗争。Ilya与Mira密谋除奥特曼，还错判员工反应，董事曾要求Ilya起草备忘录。