「用户差评」共找到 1753 篇相关文章
面对无解问题大模型竟会崩溃？港中文&华为联合提出首个大模型推理可靠性评估基准
港中文和华为诺亚实验室联合提出ReliableMath基准，探究大模型推理可靠性。提出评估准则，构建含可解与不可解问题的ReliableMath数据集，实验揭示大模型缺陷，还提出提高可靠性的对齐策略。
抛弃预定义Tool，首次提出通过动态工具生成的Agentic多模态Reasoning，破31%涨幅
视觉推理任务中，传统多模态大模型依赖预定义工具，灵活性与领域适应性差。PyVision 框架首次让 MLLM 在推理中实时生成、执行并迭代 Python 工具，在多类任务中显著提升性能，实现范式跃迁。
等了十年，特斯拉Robotaxi终于上线！马斯克：仅需4.2美元一口价
上周日，特斯拉在德克萨斯州奥斯汀启动Robotaxi服务，首批乘客4.2美元一口价。服务限定试运营，覆盖区域受限，车内有安全监控员。目前体验平稳但不成熟，未来能否后发先至待验证。
AI Agent 的工程化被低估了
文章指出 AI 发展中工程化作用被低估，将其分为产品工程和技术工程拆解构建 AI Agent 体系。产品工程涵盖需求建模、UI/UX 设计等模块；技术工程涉及架构模块化、流量控制等方面，还提及 Spring AI Alibaba 等工具。
12.6k，谷歌这个开源项目炸了，全栈AI Agent
谷歌开源的Gemini Fullstack LangGraph Quickstart项目两周冲到12.6k star。它是使用React前端和LangGraph驱动后端Agent的全栈应用程序，能对用户查询做全面研究，有多项特征及明确的后端工作步骤。
免费使用！OpenAI发布ChatGPT记忆功能，秒变私人助理
今日凌晨，OpenAI联合创始人Sam Altamn宣布为免费版ChatGPT提供轻量级记忆功能，未来还会改进。该功能可根据用户对话习惯等个性化回答，对多领域帮助大，文中还介绍了其使用方法及常见问答。
DeepSeek-R1 更新，思考更深，推理更强
DeepSeek R1 模型完成小版本升级至 DeepSeek - R1 - 0528，用户可在官网、APP 等体验，API 同步更新。该版本强化深度思考能力，在多基准测评表现优异，还改善幻觉、提升创意写作等能力。
Claude 4被诱导窃取个人隐私！GitHub官方MCP服务器安全漏洞曝光
瑞士网络安全公司发现，GitHub官方MCP服务器面临新型攻击，可诱导AI Agent将私有仓库敏感数据泄露至公共仓库。GitLab Duo近期也有类似漏洞。公司还提出初步缓解举措。
Claude 5.1来了，但最强能力只向少数机构开放
9月1日，Anthropic发布Claude Fable 5.1和Claude Mythos 5.1，二者用相同底层模型，区别在安全限制和开放范围。Fable面向订阅用户和企业，Mythos仅向少数审核机构开放，此次还尝试新的开放方式。
对话陈炜鹏：Loopit 有了 1500 万件作品之后，我们决定做自己的互动世界模型
Loopit 今年 2 月上线，已积累近 1500 万作品，北美数十万青少年成稳定用户。在此基础上，团队发布互动世界模型 Zing - 0.5，探索互动内容新形态。陈炜鹏认为模型与应用应结合，自研是为拓展产品边界。