「实验闭环验证」共找到 2171 篇相关文章
AI越训练，越会「满嘴跑火车」！普林伯克利重磅揭秘，RLHF竟是罪魁祸首？
普林斯顿和伯克利研究《Machine Bullshit》，定义并量化LLM胡扯行为，总结四大套路，提出胡扯指数。实验发现强化学习人类反馈训练后，AI胡扯倾向加重，多思考也会让其更会忽悠。
告别评估乱象！首个视觉解释综合性基准发布，附人类真值 | KDD'25
埃默里大学团队推出首个视觉解释基准Saliency - Bench，构建8个任务的数据集，提供标准化评估流程与开源工具包，解决评估缺乏标准等问题，推动可解释AI向可靠、透明发展。
DeepMind率先拿下IMO金牌，却被OpenAI 抢先发布了……
2025年IMO成绩公布，中国队获团体第一，DeepMind和OpenAI模型都达金牌水平。但DeepMind因内部验证和规定未及时官宣，OpenAI抢先发布，引发科技巨头竞争、速度与流程等多方面讨论。
任务级奖励提升App Agent思考力，淘天提出Mobile-R1，3B模型可超32B
现有Mobile/APP Agent依赖动作级奖励，难应对变化环境。淘天集团团队提出Mobile-R1框架，采用三阶段训练，结合任务级奖励，实验显示其表现超基准，团队还计划开源资源。
CUTLASS CuTe GEMM细节分析（一）——ldmatrix的选择
作者作为CUTLASS CuTe初学者，记录问题分析过程。本文聚焦如何基于TiledMMA及输入矩阵在Shared Memory上的Layout选合适Copy Operation完成拷贝，结合实例讲解ldmatrix指令选择，还给出参考代码。
前百川智能联创焦可新创业公司曝光，新项目已上线 App Store
前百川智能联创焦可新创业公司曝光，其推出的AI语音产品“来福”已上线App Store。该产品定位AI语音电台应用，探索声音交互场景，目前仅邀测。国内大厂未推专注AI播客独立产品。
Agent RL和智能体自我进化的关键一步: TaskCraft实现复杂智能体任务的自动生成
当前智能体训练缺高质量任务数据，主流数据集依赖人工标注，规模和复杂性受限。OPPO 研究院提出 TaskCraft 框架，能自动生成智能体任务，构建并开源含约 41,000 条任务的数据集，支撑智能体训练评估。
马斯克生日惊喜！全球首例Model Y无人「自驾交付」，30分钟见证历史
昨天，一辆特斯拉Model Y从得州超级工厂无人自驾，最高时速115公里，30分钟到车主家门口，完成人类首次工厂到用户的闭环交付。马斯克激动祝贺，此场景复杂度超竞争对手。
首个面向科学任务、真实交互、自动评估的多模态智能体评测环境，ScienceBoard来了
ScienceBoard是首个面向科学任务、真实交互、自动评估的多模态智能体评测环境。它集成多领域科研软件，构建科研任务集合，评估智能体在科学任务上的表现，发现现有模型在科研工作流中远未成熟。
马斯克Robotaxi今日上路：画饼十年终兑现！团队合影C位武汉理工校友引关注
当地时间6月22日，特斯拉Robotaxi服务在美国奥斯汀南部启动，首批约10辆2025款Model Y运营。马斯克盛赞团队，AI团队合照C位是武汉理工大学校友段鹏飞，他是Autopilot关键技术负责人。