「可验证推理」共找到 6084 篇相关文章
从GPT-2到gpt-oss，深度详解OpenAI开放模型的进化之路
OpenAI 近日发布 gpt-oss-120b 和 gpt-oss-20b 两个开源模型，Sebastian Raschka 发布博客对其详细分析，回顾自 GPT - 2 以来 AI 社区进步，还与 Qwen 3 比较，介绍架构、训练、推理等细节。
The Batch: 864 | GLM-4.5：一款开放的智能体竞争者
大型语言模型推动智能体能力交互竞赛正酣，中国 Z.ai 推出 GLM - 4.5 系列开源权重模型，在推理、编程等基准测试中表现出色，还介绍了其工作原理、研究和测试结果等。
OpenAI商业帝国野心初现，ChatGPT上线“即时结账”功能：聊天就能直接下单
OpenAI为ChatGPT推出“即时结账”功能，由代理商业协议（ACP）支持，可将用户产品发现对话转化为购买行为。商家能在需求源头捕获消费意向，用户可在对话内完成购买。目前仅在美国向美商开放。
AI图像水印失守！开源工具5分钟内抹除所有水印
一款名为UnMarker的去水印技术，能在5分钟内去除市面上几乎所有AI图像水印，谷歌HiDDeN已被完全破解，SynthID被攻破79%。它保持较高图像质量，已在GitHub开源，凭消费级显卡可本地部署。
超越O4-mini，多模态大模型终于学会回头「看」：中科院自动化所提出GThinker模型
现有多模态大模型在通用场景推理有瓶颈，缺乏对视觉线索校验与再思考能力。中科院自动化所提出GThinker模型，有创新的「线索引导式反思」模式，经两阶段训练，性能超O4 - mini，论文等已开源。
GPT-6 Astra：欢迎来到 AGI 时代。
OpenAI 发布 GPT - 6 Astra，总裁称开启 AGI 时代。演示视频展示其强大并行处理能力，跑分有争议，成绩不一。它有诸多成果和安全表现，也有可监控性降低问题，发布过程却状况百出。
开发速度不是瓶颈
文章围绕‘凭感觉编程’展开，指出开发速度并非产品成功的关键制约因素。分析原型与产品差异，以亚马逊、谷歌为例说明产品需不断尝试。强调真正瓶颈是验证和沟通，编码速度从来不是问题。
60%情况下，主流大模型没理解风险只是装懂！别被模型的“安全答案”骗了
研究发现超60%案例中主流推理模型生成合规答案却未真正理解风险，存在系统性漏洞。淘天集团团队引入“表面安全对齐”术语，推出Benchmark研究该现象，还介绍了数据集生成流程及评测指标。
AI 写代码老出错？Code Rabbit 来给 Cursor 当“纠错教练”，边写边改。
Cursor的AI Agent写代码虽强但易出错，Code Rabbit可当“纠错教练”。它本用于审查GitHub PR和commit，现推出VS Code、Cursor等插件，能分析代码改动、提建议，与Cursor配合可减少bug。
突破泛化瓶颈：阿里云智能运维 Agent 评测体系实践
大模型 Agent 在智能运维场景落地常遇泛化难题。阿里云李也博士介绍利用评测集验证和提升智能运维算法泛化性的实践，阐述评测集重要性、构建方法，还展示其在提升智能运维 Agent 能力上的成效。