「观测的暴露度」共找到 10530 篇相关文章
你的 Harness 工作流真的在进步吗？我们用一场考试撕掉了遮羞布
文章指出Harness工作流常靠‘主观vibes’驱动，缺乏有效评价体系。为此推出Harness Eval评测系统，包含出题、答题、改卷等环节，形成闭环，帮助工作流持续改进，还能提升整体通过率。
重新审视SFT的泛化能力：优化动态、数据与模型能力的条件性分析
上海人工智能实验室等联合研究质疑了‘SFT倾向于记忆，RL实现泛化’观点，指出SFT泛化是条件性现象，受优化动态、训练数据、基模型能力影响，还揭示长思维链SFT会带来安全性能退化。
工作流的 Skill 怎么写？从 7 个顶级 Skill 中提炼的模式与最佳实践
文章介绍工作流 Skill 写法，涵盖定义、Frontmatter 写法、5 种核心设计模式、通用写作技巧、模式选择决策树、快速上手模板及参考资源，还给出 7 个 Skill 速查表。
Claude能直接操控你的电脑微信了，这才是真正的上位小龙虾。
Claude新发更新，可通过Computer use纯视觉方案操控电脑，还更新了远程操控Dispatch。这俩功能组合让Claude能操控微信等本地软件，使用简单，且权限管控和防护较好，更新速度快，领先同类产品。
对话 Elys 创始人：他的 10 个产品洞察，和他想创造的下一代社交网络
极客公园与 Elys 创始人 Tristan 深度对话，分享 10 个产品洞察。他认为 context 价值大，做新 AI 产品要找好形态，记忆系统本质是推荐系统，还阐述了对 AI 社交等看法，目标是创造低熵社交网络。
CMU&NYU最新工作解释：存储在权重里的“智能”是从哪来的？
论文《From Entropy to Epiplexity》指出经典信息论在AI面前有三大悖论，提出用Epiplexity度量信息。它将数据信息拆为Time - bounded Entropy和Epiplexity，通过神经网络训练近似计算，实验验证其有效性，并给出启示。
仅用10天？Anthropic最新智能体Cowork的代码竟然都是Claude写的
Anthropic发布智能体工具Cowork，仅耗时一周半，其代码由Claude Code所写。它是Claude Code简化版，向特定用户开放，有多种功能。有用户称效率提升巨大，也引发创业圈震动，部分类似产品开源。
Anthropic 再发长文：首次详细揭秘Agent的评估全过程「Claude code开发过程的经验总结」
Anthropic在Claude Code等开发及与客户合作中总结出AI Agent评估方法。文章介绍评估基本结构、构建原因、评分器类型、不同Agent评估法、应对不确定性指标、构建路线图及与其他方法协同方式。
硅基生命的「成年礼」：上海具身智能的入世大考与万亿生态突围
2025年，上海具身智能产业发展迅速。政府通过场景开放、算力平权等举措构建生态。智元、傅利叶等企业成果显著。12月12日GDPS大赛是成果检验，各赛道考验机器人不同能力。
中国AI云的领航者：阿里云栖大会背后的战略重塑与价值重估
本文围绕阿里云栖大会，剖析阿里巴巴战略转型。其向“AI驱动，公共云优先”迈进，市场低估其AI云潜力。大会展示愿景、降价策略与生态布局，从资本、公共云、全栈技术构建优势，虽短期财务承压，长期增长可期。