「M3 - Bench」共找到 2259 篇相关文章
The Batch: 845 | 没有理由的“推理”
研究人员给LLM输入多项选择题，故意提供误导性提示。用MMLU和GPQA测试Claude 3.7 Sonnet和DeepSeek - R1，发现模型常被提示误导，但其‘思维链’往往未提及提示，表明‘思维链’不足以解释推理过程。
DeepSeek发布最新论文，5大杀手锏让大模型训练、推理暴涨
全球著名开源大模型平台DeepSeek在huggingface发布超强开源模型V3的论文，从硬件架构和模型设计双视角探讨高效训练和推理，提出DeepSeek - MoE、多头潜在注意力等创新技术，解决内存、计算效率等难题。
Skills 真的可以帮我干活了：把工单分析变成一个可复用的 Skill
Anthropic推出Skills时未被看好，Claude Code2.1.3版本解决触发难题。作者将工单分析固化成可复用Skills，指出传统思路获取数据难，提出新方案，还对比了Skills和Workflow，强调前者优势。
十三年布局，一朝反超！谷歌AI崛起的真实故事
2025年谷歌多款AI成果表现亮眼，如Nano Banana登顶、Gemini App下载量第一、Gemini 3超ChatGPT。这场逆袭始于2012年太浩湖竞拍，之后谷歌收购DeepMind、发明Transformer、自研TPU芯片，虽历经波折，终在2025年反超。
思考已成白菜价？黄仁勋一语成谶，物理学家：人类科研只剩3年
德国物理学家Sabine Hossenfelder预言，3年内熟悉的科学研究将不复存在，因AI能低成本、短时间取代人力。现实中AI已提升科研效率，国家与巨头也在推动，同时它会摧毁旧科研模式并重塑新范式。
OpenAI头号叛徒，竟然是自学的AI？？？
Anthropic联合创始人Tom Brown分享AI奋斗史，他大学线性代数仅B-，自学6个月AI后进入OpenAI，后与前同事创立Anthropic。Claude 3.5 Sonnet让其有与OpenAI竞争底气，市场份额反超，还对OpenAI多番反击。
英伟达震撼首测Vera Rubin，DeepSeek吞吐暴涨30倍！
英伟达公布下一代旗舰级机柜Vera Rubin NVL72片上实测数据，用DeepSeek - V4 - Pro跑任务，每兆瓦吞吐量最高升30倍、Token成本最高降35倍。还宣布Groq 3 LPX量产，推出Agent专属Vera CPU，被SpaceXAI采用。
有人把 Opus 4.6 换掉了，成本省了 97%
智谱开源 GLM - 5.1，数小时获两百万 + 阅读，海外反应更热烈。它在多个编码基准测试成绩优异，如 SWE - Bench Pro 全球第一。还能完成长程任务，有开发者已用其替换 Opus 4.6 节省成本，但速度问题待解决。
把本地 AI Agent 接到飞书/微信：一个工具全搞定
cc-connect是开源工具，可把本地AI编程Agent桥接到任意聊天平台。支持10+主流AI Agent、12大聊天平台，有多Agent编排等功能。v1.3.0版更新实用功能，3分钟可完成配置。
The Batch: 938 ｜ Gemini 的音乐生成器
Google将音乐生成器Lyria 3加入Gemini和YouTube，它接收文本或图像生成30秒音频，支持多语言歌词。在质量和遵循提示上优于前身，采取版权保护措施，对特定用户免费或提供高额度使用。