「置信度指标」共找到 600 篇相关文章
定位大模型「作弊」神经回路！新研究首次揭示：虚假奖励如何精准激活第18-20层记忆
此前学术界发现大模型用虚假奖励训练也能提升准确率，背后微观机制是黑盒。南科大等团队深度拆解，定位到关键记忆节点，发现‘困惑度悖论’，还能操控记忆，成果对评估、检测和去污染有意义。
狂涨12.6K star！Shell命令即搞定可视化监控，超级6~~
开源君分享简单轻量的开源项目Sampler，它能通过YAML配置文件实现系统指标监控与可视化，支持多平台，收获12.6K star。其有简单易用、跨平台等特色，安装后创建配置文件即可使用。
月耗3000美金的Skills重度用户，实测MiniMax M2.7：国产Agent模型的天花板？
AI产品黄叔作为月耗3000美金的Skills重度用户，实测MiniMax M2.7，从多Agent协作、Coding能力、办公自动化等多方面测试，发现其表现出色，虽有不足，但在多维度已是国产模型天花板。
AI又封神了！华人新作直出憨豆+《猫和老鼠》，平行宇宙对上戏了
新智元报道，阿联酋MBZUAI团队论文提出CCE和CCA机制，解决AI让不同风格角色同框时的“风格错乱”问题。让憨豆、汤姆等角色自然互动，模型在多角色任务指标上领先，或重写虚构边界。
Gemini新版蝉联竞技场榜一，但刚发布就被越狱了
谷歌深夜官宣Gemini 2.5 Pro推出新版本（0605），在代码、推理等任务表现提升，超o3，Elo评分也提高。但发布两小时就被越狱，还被指部分指标较早期版本退步。
Kimi K2 Thinking，最强思考模型，附实测
Moonshot AI发布Kimi K2 Thinking模型，它能边思考边行动，是目前最强开源思考模型，多项指标超GPT - 5等闭源巨头。其具独特架构，有性能优势，还给出部署方式，实测表现佳。
在WAIC，比起看机器人打拳，人们更想知道怎么用AI赚钱
7月27日普通观众参观日，WAIC现场火爆。本届大会规模为历届之最，机器人与模型厂商纷纷展示落地应用。机器人从“能动”走向“会干”，模型厂商聚焦场景，投融资锚点转向商业指标。
动态RAG新工作：效果爆了，代码已开源
大语言模型幻觉问题突出，现有动态RAG方法信号不可靠。QuCo-RAG从预训练语料库挖掘统计证据，用客观频率替代主观置信度，实现毫秒级幻觉检测与动态检索触发，代码已开源。
关键词挖掘3步法，帮你找到用户真正想搜的词【干货】
作者白杨SEO结合ChatGPT选题，分享3步关键词挖掘法。先找种子词，可从产品、人群需求、对手入手；再拓展长尾词，用搜索引擎、工具、AI辅助；最后数据筛选，看搜索量、竞争度、商业价值。
时间会证明光的
市场曾质疑AI资本开支高增长的持续性，如今随着头部模型公司ARR非线性爆发式增长，AI商业正向循环打通。在AI硬件产业链中，光互联是国内厂商全球参与度最高、份额最稳固的环节，正迎来最好时代。