搜索：核心认知基准

「核心认知基准」共找到 2697 篇相关文章

The Batch: 899 | 更划算的推理

研究人员提出 Delethink 强化学习方法，训练大模型定期截断推理 token 至固定最大数量，以限制处理长思维链成本。经测试该模型在多方面超基线，且缓解计算成本限制，为长上下文推理提供路径。

Claude推出Skills系统，让AI Agent按需处理专业文档。作者在Minion框架中实现开源版本，介绍设计理念、实现细节，包括技能定义、发现、注册表等，还展示效果、亮点，阐述开源原因与未来方向。

Greg Isenberg基于Anthropic官方研究拆解10个让Claude效率提升10倍的技巧，解决AI'幻觉'等问题，涵盖协作语气、明确性原则等方面，虽以Claude为例，但对其他AI也适用。

OpenAI 正式宣布 GPT-5.2 全面上线，一口气推出三个版本。GPT-5.2 Thinking 在推理能力上拉开代差，是 OpenAI 首个达人类专家水平的模型。各版本定位清晰，不同用户使用时间有别。

文章围绕AI时代展开，指出互联网时代商业模式核心是“入口”，AI时代应关注“意图”。还提及上周对冲基金资金流动、AI企业动态，如微软推安全方案、Alphabet合资开发机器人等。

谷歌狂放大招，ChatGPT更新群聊功能，与微信、QQ群聊神似，还能让聊天机器人判断群气氛决定发言。不久前奥特曼称不做社交，此次更新被指仓促，未直击痛点、缺乏技术突破。

AI World Clocks项目让9个大模型按提示词生成每分钟更新的时钟，以观察稳定性。国产Kimi K2是唯一能稳定保持表盘与指针正确平滑转动的模型，测试显示了模型在时空概念上的能力差异。

MMC深入访谈多家AI Agent创业公司创始人和企业用户，撰写《State of Agentic AI: Founder’s edition》。调研显示创始人头疼的多是非技术问题，还分析了准确率与主动性、定价策略等情况。

面壁提出基于扩散自回归建模的端到端语音生成模型 VoxCPM，构建于 MiniCPM - 4 之上。它克服传统离散 token 方法缺陷，实现语义与声学特征解耦，有上下文感知语音生成和零样本语音克隆能力，低延迟。

OpenAI和Anthropic发布核心产品使用报告，展现ChatGPT和Claude用户心智差异。ChatGPT像Advisor，以询问、写作为主；Claude似Agent，随模型能力提升，用户倾向用其执行自动化任务。