搜索：子任务级可验证性

「子任务级可验证性」共找到 2763 篇相关文章

破解AI对不同上下⽂位置的敏感度不⼀致，新框架使出“解铃还须系铃人”

语言模型存在位置偏见，影响复杂推理等任务。论文提出Pos2Distill框架，将模型优势位置能力迁移到劣势位置缓解偏差，设计了Pos2Distill - R1和Pos2Distill - R2，在检索和推理任务表现好且有跨任务泛化能力。

近日，牛芯半导体搭载自研控制器IP的原型验证平台，与万里眼标准UB网络测试仪完成对接，标志其自研UB控制器IP在协议一致性上迈出关键一步，为生态伙伴开展兼容性验证提供范本。

OpenAI发布云端AI编程智能体Codex，由codex - 1加持，多任务并行，半小时可干完数天软件工程任务。它能完成多项编程任务，还与GitHub集成。已向部分ChatGPT用户开放，Codex CLI也有更新。

东南大学耿新团队针对模型多任务融合问题提出论文《Model Merging in the Essential Subspace》。指出多任务融合失败源于关键方向重叠冲突，提出 ESM 方法，能让不同任务在模型中稳定共存，实验显示其性能更优。

苹果发表论文指出推理大模型存在重大缺陷，相关解读在社交平台广泛传播。但GitHub高级工程师Sean Goedecke对论文持保留态度，认为谜题不是评估推理能力的好试验场，模型放弃不代表无推理能力。

陈天桥带队的MiroMind发布新一代重型推理智能体MiroThinker-1.7和MiroThinker-H1，在基准测试中表现优异，超越众多顶尖模型。该模型不仅通用任务强，在科技金融等专业领域也表现亮眼，还能承担真实长链条智力任务。

文章介绍AutoDev CLI，它基于AutoDev MPP架构构建，旨在解决上一代AutoDev智能体测试难题。阐述其起步、迭代、演进、集成过程，实现从AI生成代码到验证、生成测试系统的转变，带来可验证、可演化、可移植的优势。

Claude新规则要求实名认证，引发网友不满。身份验证并非继续使用服务的通行证，反成封号预警。15岁天才程序员因未成年被封账号，Claude Opus 4.6也否定自家KYC规则。

丰田研究院（TRI）团队研究大型行为模型（LBM），在近1700小时机器人数据上训练并大量部署评估。发现LBM性能提升显著，预训练小数据量也能带来增益，预示机器人通用大模型或到来。

硅谷人才争夺战升级，Meta砸钱抢人，思维链之父Jason Wei从OpenAI跳槽到Meta。他离职前发博客，谈及从强化学习获得的人生启示，还阐述AI领域验证非对称性概念及重要性。