搜索：自动化评估工具

「自动化评估工具」共找到 2880 篇相关文章

不靠海量数据，如何精准喂养大模型？上交Data Whisperer：免训练数据选择法，10%数据逼近全量效果

上海交通大学等团队提出 Data Whisperer，首个免训练的注意力驱动数据选择框架。它利用模型自身能力打分挑数据，无需训练与人工标注，用 10% 数据让微调效果逼近全量数据，在多方面领先传统方法。

Focalboard 是一款开源项目，能解决团队协作和项目管理中任务杂乱、主流工具收费高、需私有部署等痛点。它功能丰富，适用于多种管理场景，支持本地部署，数据完全自控。

普林斯顿和伯克利研究《Machine Bullshit》，定义并量化LLM胡扯行为，总结四大套路，提出胡扯指数。实验发现强化学习人类反馈训练后，AI胡扯倾向加重，多思考也会让其更会忽悠。

《连线》称 OpenAI 研究员 Jason Wei 等将加盟 Meta。离职员工 Calvin French - Owen 分享在 OpenAI 经历，揭秘其自下而上研究文化、扩张问题、成本结构等，还讲述 Codex 开发情况。

OpenAI昨夜发布ChatGPT智能体，它整合网站交互、信息整合、对话交互三项能力，能智能选最优路径完成任务。在多项评估中表现领先，还有多重安全措施。今日向部分用户开放。

Google DeepMind和多伦多大学研究人员提出Concordia软件库，用AI驱动智能体担任GM，基于「实体 - 组件」架构，让工程师和设计师分工，可灵活构建复杂游戏场景，还支持不同交互动态和多种使用动机。

GPT - 4o、Gemini等顶级语音模型闭源，紫东太初团队联合长城汽车AI Lab开源端到端共情语音语言大模型OpenS2S，提供构建共情语音系统新范式，开源所有核心资源，还介绍了技术方案、数据构建及训练流程等。

Cursor在6月16日调整Pro计划收费模式，从请求数限制改为计算量限制，虽称优化却引发用户不满。用户发现服务缩水且沟通模糊，社交媒体上一片失望愤怒声。7月4日Cursor道歉并推出补救措施，但信任修复不易。

加利福尼亚大学圣迭戈分校研究团队提出自主因果分析智能体 Causal - Copilot，集成超 20 种算法。它解决因果分析使用门槛高、预训练模型有局限等问题，性能优于 GPT - 4o ，已开源邀全球研究者参与。

Nature子刊研究推出新指标DunedinPACNI，不看身份证年龄，看“脑年龄”。其数值越高，脑功能衰退风险越高。该指标已开源，或助人们检测身体状况、调整生活方式。