「实验验证」共找到 1986 篇相关文章
LLM加RL遭质疑：故意用错奖励，数学基准也显著提升，AI圈炸了
华盛顿大学等机构论文引爆AI界，其发现用虚假奖励训练Qwen2.5-Math-7B模型，也能提高MATH - 500成绩。虚假奖励对Qwen模型有效，但在其他模型上有限，凸显RLVR有效性与模型能力有关。
港科联合港中文提出AdaCtrl，自适应可控Reasoning，可降10~90%
港科联合港中文提出AdaCtrl，解决LLM推理的过度思考、算力浪费和响应延迟问题。它有自适应和用户控制两种模式，通过两阶段训练法实现目标，实验效果好，未来或拓展到多领域。
仅用图像也能Think：Google等提出一种视觉规划的全新推理范式！
剑桥和Google等提出并开源视觉规划范式，通过纯视觉表示规划，独立于文本。还引入VPRL框架，用GRPO后训练大型视觉模型。实验选三个视觉导航任务，VPRL表现最佳，显著优于其他方法。
代码迁移准确率从 5.4% 飙至 97.9%！OpenAI 挑战 COBOL，几十年的老系统真能交给 AI 了？
本文报道OpenAI针对低资源编程语言的最新研究，其COBOL代码迁移准确率从5.4%大幅提升至97.9%，探讨了AI改造遗留系统的进展、应用边界与待解决的问题。
字节发现 DeepSeek 的周期性弱点，我们实测了 V4.1，结果不太一样
本文报道字节Seed团队发现DeepSeek V4基础模型因分块KV压缩存在周期性相位敏感性弱点，作者复刻实验实测现役DeepSeek V4.1-Flash，讨论了长上下文评测的盲区，新版本弱点已明显减轻。
突发，Claude刷新物理学世界纪录！单挑基于杨振宁理论9圈难题
本文报道Anthropic的Claude攻克理论物理前沿难题，成功算出平面N=4超杨-米尔斯理论六粒子振幅的九圈结果，打破人类此前保持的八圈纪录，计算成本仅几千美元，展示了大模型在科研领域的突破性能力。
「闪电.skill」发布！用Anthropic的方法论把你的产品提速3倍！
本文是花叔对Anthropic工程师Claude提速复盘的深度拆解，公开了Anthropic用AI辅助做产品性能优化的完整方法，花叔还实战验证了这套方法，整理出可复用的「闪电.skill」工具开源放出。
EMNLP 2026 | 通过分解生成与动态自反馈，构建工具调用合成数据
本文是被EMNLP 2026主会录用的算法论文，针对现有工具调用合成数据「先生成再筛选」的缺陷，提出分阶段分解加动态自反馈的ToolLoop方法，有效提升合成数据质量，实验效果优于现有方案。
7名博士生仅用3个月从零训练7B大模型：代码+数据+训练日志全公开
北京中关村学院7名跨专业博士生，耗时3个月从零训练出7B参数大模型ZGCM-1，采用数百个Agent协作实践AI4AI研发范式，全程公开代码、数据、权重、训练日志，分享一线实战经验。
对比 Codex，免费的 AgnesCode 也能在底层算子优化任务中打的有来有回
本文实测免费AI Coding Agent AgnesCode搭配Agnes 3.0 Flash，对比付费Codex组合在DeepSeek-V3底层算子多芯片优化任务中的表现，验证免费Agent胜任底层AI工程的能力，分享实测数据与行业洞察。