「结果有效性」共找到 587 篇相关文章
最强多模态模型也拿不到30分？DeepImageSearch定义相册搜索新范式，开启个人视觉记忆的深度搜索时代
人大窦志成教授团队联合OPPO研究院提出DeepImageSearch图像检索新范式，将其从“逐张语义匹配”推向“语料库级上下文推理”。团队构建评测基准DISBench，用ImageSeeker框架评测主流模型，结果显示最强模型单次完美解决查询比例不超三成。
数学家24小时驳回OpenAI攻破的猜想！“AI证对了每句话，但已跟原猜想无关”
OpenAI宣称其下一代AI模型推翻了Connes刚性猜想，第二天堪萨斯大学的J. L. Nielsen就发文回应，指出AI构造的群不满足附加条件，还逐行核对代码指出‘要证什么’有问题，强调人类审查对AI科研结果很关键。
告别大模型“失忆”！人大开源MemSifter：轻量代理先思考再回忆，搞定长时记忆
中国人民大学团队提出全新LLM记忆管理框架MemSifter，打破长时记忆管理‘精度不够’和‘成本太高’的困局。它将记忆检索‘外包’给轻量级代理模型，采用任务结果导向的RL训练范式，在8个基准测试中超越现有SOTA方案。
癌症疫苗爆火后，mRNA再迎突破：新技术有望让RNA在体内“活得更久”
8月19日，Moderna与默沙东个体化mRNA癌症疗法试验有阳性结果，引发mRNA话题热议。次日，名古屋大学与富士胶片针对环状RNA开发新LNP递送系统并验证功能，触及RNA长期治疗关键问题。
都标5美元，账单差三成！OpenAI高管：token从来没法直接比价
OpenAI Codex负责人Tibo指出，不同模型对同一段文字切分的token数不同，即便单token价格相同，最终账单也可能差异很大。他还提到，token无统一计量标准，跨厂商和新旧模型计数都难通用，真正重要的是每次成功结果的成本。
AI编程真面目：完整项目通过率仅27% | 上交大新基准
多校联合团队发布ProjDevBench，评估AI编程智能体端到端项目开发能力。结果显示，六种主流智能体总体提交AC率仅27.38%，从零构建任务中性能大幅下滑，还揭示了智能体多方面短板。
=COPILOT()函数横空出世！AI自动写公式效率起飞，网友：让Excel再次伟大
微软官宣在Excel引入全新的=COPILOT()函数，用自然语言提需求就能让其干活。它内置在Excel引擎，能与现有函数协作，还可自动刷新结果。网友称这将改变数据分析，让Excel再次伟大。
好玩！AI“穿越”新玩法火了：根据12岁照片生成23岁的你
AI“穿越”新玩法火了，外国网友让ChatGPT根据12岁照片推测23岁样子还挺准。很多人参与，还有新奇玩法。作者用不同名人照片测试ChatGPT、抖音小程序和豆包，结果各有偏差，但玩法有趣。
Anthropic CEO：人的幻觉比AI 更多！这是真的吗？
Anthropic公司CEO称AI幻觉比人类少，创业公司ColdIQ联合创始人Alex Vacca用虚构故事喂给ChatGPT、Claude和Gemini，测试它们识破谎言的能力，实验结果显示各模型表现不同，AI幻觉短期内难消失。
Anthropic 深夜发布 Claude Design，一句话生成 UI，百亿美元市值 Figma 股价跌了 4.6%
Anthropic 发布新产品 Claude Design，由 Claude Opus 4.7 支持，以研究预览形式向部分用户开放。它定位为设计师“搭子”，覆盖多设计工作流。网友评价高，但也有人指出其生成结果有同质化问题，对传统设计工具冲击待察。