「工具实验」共找到 3120 篇相关文章
EMNLP 2025 | T2R-bench: 业内「首个」工业级表格生成报告评测基准
中国电信人工智能研究院推出业内首个面向真实工业场景的“表格到报告”基准T2R-bench，涵盖多领域真实表格、问题与人工标注关键点，配套创新性三维度评测体系。实验显示主流大模型在该任务上表现欠佳，提升空间大。
击败Meta登榜首：推理增强的文档排序模型ReasonRank来了
本文第一作者刘文涵聚焦AI搜索研究。提出推理增强的文档排序模型ReasonRank，在多个榜单击败多校和机构登榜首，其7B版本超越32B模型，论文获Huggingface paper日榜第一。还介绍研究动机、方法及实验结果等。
PPO-Clip的「盲点」被补齐了？快手提出熵比裁剪方法，从局部约束到全局稳定的关键一跃
快手科技语言大模型团队提出熵比裁剪（ERC）方法，应对强化学习中信任域偏离问题。该方法从全局视角稳定策略分布，在多个数学推理基准实验中提升了模型性能，还与多种方法对比验证了泛化能力。
到底是谁在推崇 Nature、Science？——一场跨学科评价体系的结构性误解
文章指出不同学科对 Nature、Science（N/S）态度差异大，基础学科不看重，应用学科推崇。原因在于学科生态差异，N/S 是传播器，下游学科需其传播成果，大奖评价与 N/S 体系不同，国内不应将其‘工具化’。
微软CPO专访：Prompt是AI时代的PRD，产品经理的工作方式已经彻底变了
微软首席产品官 Aparna 认为，Prompt 正取代传统 PRD 成构建产品起点，NLX 将成新用户体验设计范式，还解释了 Agent 核心特征。她觉得 Agent 本质是工具，未来可让其承担更多任务，产品经理关键在于「好品味」和「编辑能力」。
Make SFT Great Again！从SFT到DFT：一权重之差，泛化之跃
大型语言模型的监督微调（SFT）简单高效，但泛化能力弱于强化学习（RL）。本文直击 SFT 核心缺陷，揭示其泛化瓶颈源于隐含的“病态奖励结构”，并提出仅需单行代码修改的动态微调（DFT），实验表明其效果显著。
劈柴哥和哈萨比斯亲自站台！谷歌世界模型Project Genie刷屏，幕后团队揭秘60秒不是极限，内存是巨大约束
谷歌发布世界模型原型产品 Project Genie，只需一句话或图就能一键生成可玩、可交互实时虚拟世界。它借助 Genie 3 等构建，解决了早期世界模型多短板，虽现处实验阶段，但已引发热议，应用潜力大。
AAAI 2026｜AP2O-Coder 让大模型拥有「错题本」，像人类一样按题型高效刷题
在AI辅助Coding技术发展背景下，开源大语言模型生成代码有运行错误。上交博士团队提出AP2O方法，构建AP2O - Coder框架，借鉴人类学习模式，经实验验证能提升模型性能、抑制错误、提高样本效率，还适配通用模型。
“Linux真正的活不是我在干”，Linus爆料近况：近20年不做程序员、没碰过AI编程、压力全来自于“人”
本文是Linux之父Linus Torvalds在开源峰会上的对谈内容。他称近20年不再是程序员，更多是维护者；谈到AI对编程影响，认为它是工具不会让程序员消失；还提及Rust引入、硬件发展及自己做吉他踏板的爱好。
写在GPT-5风波之后：为什么AI的智商和情商不可兼得？
GPT - 5风波后，作者好奇其变可靠后情商下降的原因。论文实验表明，把AI教得会安慰人，其犯错率大幅上升、更易谄媚。AI和人类都存在智商与情商的矛盾，这源于最终目标不同。