「可验证」共找到 4584 篇相关文章
人类最后考试已不够用，Agent最后考试来了！
AI飞速进步，人类最后考试（HLE）已不够用，伯克利牵头推出智能体最后的考试（ALE）。ALE真实、全面、可验证，当前最强AI在最难档通过率仅8.6%，主流系统平均2.6%，显示AI距替人干活尚远。
苹果提出新型反向传播：一台iPhone 15 Pro Max就能微调LLM
苹果提出内存高效型反向传播（MeBP），可在内存使用量和计算时间上比零阶优化（ZO）有更好权衡，收敛更快、性能更优，还在iPhone 15 Pro Max验证其有效性，且公开了实现链接但目前为空。
刚刚，马斯克开源Grok 2.5：中国公司才是xAI最大对手
马斯克主导xAI正式开源Grok 2.5，Grok 3将半年后开源。Grok可在HuggingFace下载，运行有条件。虽Grok 2曾有不错表现，但网友对其参数权重、开源协议等有诟病。此外，还更新APP视频生成功能，马斯克称中国公司是xAI最大对手。
AI证伪百年数学猜想被打假！Lean证明惊现漏洞，哥大教授破防了
OpenAI新推理模型取得十项数学进展，如证明非Sofic群存在性等。哥伦比亚大学副教授Henry Yuen对其量子并行重复定理证明既兴奋又失望，因证明有AI味且难理解。此外，Lean证伪科拉兹猜想被指利用内核漏洞，专家提醒Lean验证有局限。
具身机器人能搞定超市盘点吗？全球七万门店正在给出答案
本文报道汉朔科技联合X-Era Lab（拓元智慧），依托汉朔全球近7万家门店的电子价签数字化底座，结合拓元自研原生世界动作模型VWA，探索具身智能在零售门店盘点、巡检、补货场景的商业化落地，验证具身智能能否从演示Demo转化为稳定运行的生产级系统。
简单即强大：全新生成模型「离散分布网络DDN」是如何做到原理简单，性质独特？
本文作者杨磊介绍全新生成模型离散分布网络DDN，它建模目标分布机制简洁独特，有零样本条件生成等特性。文中详述其原理、网络结构、损失函数，还展示实验效果，最后给出未来研究方向。
Java 世界的 MCP：将架构策略应用于 LLM 集成
文章指出大语言模型成企业架构组件，但当前集成脆弱。MCP 引入标准化方法，Java MCP SDK 能将其与企业架构融合。文中探讨 MCP 及其 SDK，分析其设计、应用、权衡等，还给出企业运营助手案例。
重磅！腾讯QQ机器人接入OpenClaw，官方“养虾”指南来了
腾讯QQ机器人接入OpenClaw，文章给出创建QQBot接入OpenClaw的步骤，介绍QQBot插件的安装、升级方式，还阐述其消息收发能力、技能配置方法，最后解答常见问题并提供交流反馈途径。
本周5个yyds的Github开源项目，速速收藏！
文章介绍本周5个Github优质开源项目。有基于云服务的CloudPaste，排版强的Quarkdown，视频下载工具Media Downloader，双语翻译插件FluentRead，还有全能安卓助手LinkAndroid，各有特色功能。
Evaluation is All You Need：评估设计的微小差异如何扭曲结果
论文以DeepSeek - R1 - Distill系列模型为例，指出大模型评估中看似客观的基准测试结果对评估细节极度敏感，细微评估条件变化会致分数波动大，削弱模型对比可信度，呼吁建立新评估标准。