「人工干预」共找到 259 篇相关文章
DeepSeek大招曝光？梁文峰督战超级智能体：能自主学习，或年底发布
据彭博社爆料，DeepSeek正开发AI智能体，打造无需复杂指令、可自主学习与执行的下一代AI系统，年底发布。此前DeepSeek R1表现出色，曾推动开源发展，此次新动作彰显竞争决心。
黄仁勋放话：中国AI市场3年内达500亿美元！AI救了旧金山，整个世界急于与AI互动
黄仁勋最新判断，未来两到三年中国AI市场可达约500亿美元，错过是巨大损失。他还提到AI让旧金山复苏，虽会使部分人失业，但也创造新岗位。此外，英伟达财报值得期待，老黄获十年来首次加薪。
Manus 自带电脑和电话的 AI 来了：Cue 深度体验（附无限邀请码）
本文是Manus新推出的个人智能体Cue的深度体验测评，分享免排队内测邀请码，详解产品核心特性、使用场景，对比其与现有AI工具的差异，梳理个人智能体架构框架。
刚刚，OpenAI宣布内部模型批量攻破100多道数学难题，普林斯顿高研院正式介入
本文报道OpenAI最新AI进展，其内部新模型批量攻破100多道长期悬而未决的公开数学难题，联合普林斯顿高等研究院成立独立学术顾问小组规范成果评估，引发数学界震动。
VQA高分是在看图，还是在记答案？ReKey只更新决定答案的那一小块
视觉问答模型准确率提升，但高分可能源于记忆。浙江大学等团队提出 ReKey，保留真实场景，只更新决定答案的视觉线索，使评测面向未见过内容，且多数环节可自动完成。
写顶会LaTeX论文的门槛彻底被谷歌PaperOrchestra打下来了~
谷歌推出多智能体协作框架PaperOrchestra，能将非结构化研究素材转化为符合顶会要求的LaTeX投稿论文。它解决了现有自动化研究框架在论文写作环节的问题，实验显示全面超越现有基线。
小红书发布 SWE-Bench Mobile：当 AI Agent 面对亿级用户 App 代码库，最高通过率仅12%？
小红书联合多科研机构发布 SWE-Bench Mobile，它是首个还原‘端到端’开发流程的基准，以小红书 App 实际任务为核心。评测显示，AI Agent 在移动端开发能力上限低，架构设计比模型本身重要，简单提示策略效果更好。
BRIGHT榜单SOTA！人大&百度ReasonRank：用推理增强的段落重排序器
传统listwise在复杂查询表现差，近期工作泛化性不佳。人大与百度等提出ReasonRank，通过全自动合成13K推理数据及两阶段训练，在BRIGHT等榜单表现优异，且ReasonRank-7B比Rank1-7B快2.5倍。
这篇超有用！手把手教你搭建 AI 产品 Evals
文章指出AI下半场模型评估比训练更重要，做好Evals是当下AI产品开发刚需。介绍了Evals重要性、三种方法、通用评估标准等，还教你从零构建Evals及设计注意事项，助你快速上手评估。
大模型越反思越错，原来是长链推理通过自我说服加重幻觉 | 北邮
北邮研究团队通过思维链审计实验，揭示大模型长链推理‘越想越错’现象背后的元认知偏差。研究基于RFC协议文档构建受控知识域，分析推理过程，发现反思会加重幻觉，且现有检测方法难以应对。