搜索：差分平均引导

「差分平均引导」共找到 533 篇相关文章

马斯克Grok 4正式发布：世界最大AI超级计算机就训练了这？

Grok 4公开基准测试有进步，但在高级推理测试表现差，视觉理解仍是短板。性能提升多靠整合符号工具，无重大技术创新，‘幻觉’问题没实质进展，xAI官方对道德对齐信心不足。

传统Text - RAG处理多跳推理表现不佳，GraphRAG虽能提升准确率，但成本高。作者提出G2ConS方案，在3个多跳QA基准全面SOTA，平均节省30%费用，EM提升31.44%，整体流程仅3步。

现在很多Agent架构以大量Skills为基础，但这种做法大概率会翻车。Skills机制让模型自行判断是否使用及何时使用技能，其判断不可靠，随着技能数量增多，系统可靠性变差，设计上需平衡灵活性与可控性。

ICLR 2026投稿达19000篇破纪录，录用率28.18%，平均分5.39创三年最低。评审系统曾现漏洞，作者仍晒喜报，如北大张铭组中5篇。但AI滥用严重，21%评审意见被疑由AI生成。

Meta在非侵入式脑机接口研究取得重大进展，Brain2Qwerty v2能从原始脑信号实时解码句子，平均词准确率达61%，最优78%。研究团队开源训练代码，数据集也同步开放，但应用于临床仍面临精度和设备限制。

Klarna CEO曾称AI能取代所有人类工作，公司也实施‘AI优先’战略，用AI客服取代人类、缩减人力。但AI客服实际表现不佳，服务体验差，Klarna决定重启人工招聘，打造‘高质量人类支持’。

这篇论文提出奖励信号像AI的“导航星”，引导模型优化行为。介绍奖励学习概念、来源、形式和策略，阐述其贯穿LLM生命周期的三个阶段，探讨奖励模型设计选择，还提及实际应用、挑战与未来方向。

CISPA论文指出，第三方影子API可能用廉价替代品替换前沿大模型。研究追踪17个服务，发现已被187篇论文引用。测试显示，影子API在多领域性能差，安全不可控，供应商有三种欺骗手段。

Google 一天内三个端侧 AI 项目爆发，包括离线听写 App Eloquent、端侧 AI 示例集 AI Edge Gallery 和端侧大模型推理运行时 LiteRT-LM。云端大模型竞争趋同，端侧 AI 是差异化战场，Google 全栈布局有优势。

AAI机构提出新基准FormulaOne，让GPT - 5、o3 Pro等前沿大模型集体得零分。该基准含220个图结构动态规划问题，分三类难度。测试结果显示，模型在深层及最深层难度表现差，引发关注。