「数据与评测基础设施」共找到 3259 篇相关文章
奥特曼首晒GPT-5实测！被曝使用超级对齐团队“遗产”
奥特曼首晒GPT - 5实测，虽对话仅围绕电视剧推荐，但引发大量关注。除官方放料，还被曝重写编码规则，用上超级对齐团队“遗产”通用验证器，不过也有爆料称其研发遇困难。
OpenAI分享了一份上下文工程实用指南。
OpenAI产品负责人Miquel联合Piotr发布Context Engineering深度指南。介绍了Context Engineering概念、6种核心上下文，指出RAG只是其中一环，还讲述信息检索的多种范式及上下文组装方法。
一起聊聊Nvidia Blackwell新特性之低比特GEMM
本文是NVIDIA Blackwell架构GEMM研究系列文章第三部分，介绍低精度计算，探讨Blackwell GEMM如何执行，关注6位和4位格式及对内存布局影响。还提及低精度优势、数据格式、UMMA实现、操作限制、CUTLASS抽象方式等。
全球最强开源「定理证明器」出世！十位华人核心，8B暴击671B DeepSeek
八大顶尖机构推出开源定理证明器Goedel - Prover - V2，有32B和8B两版本。它在多个基准测试击败671B的DeepSeek - Prover，采用创新技术，以少算力刷爆SOTA，十位华人是核心贡献者。
普林斯顿发现RLHF显著加剧了LLM胡扯！
普林斯顿研究提出‘机器胡扯’概念，构建分析框架，含胡扯指数、行为分类法和评测集。实验揭示RLHF加剧胡扯，政治语境模型爱‘打太极’，为构建诚实AI提供工具和理论。
OpenAI转向谷歌TPU：宿敌也能变朋友？
据路透社等报道，OpenAI 开始租用谷歌 AI 芯片支持产品。它本是英伟达 GPU 大买家，现面临 GPU 紧缺且想降低对微软绑定。此举或使 TPU 成替代，也提升谷歌在高端 AI 云市场话语权。
80%到25%逆转！大模型代码能力最新排名：Anthropic不再是唯一的神？
OpenRouter网站有模型使用排行榜，按不同使用场景分类。2024年12月到2025年2月，Anthropic模型编程流量占比曾达80%，后谷歌Gemini 2.5 Pro等抢占份额，其跌至25%以下，Claude 4发布后份额回升。还介绍了OpenRouter特点。
刚刚，OpenAI开放GPT-4.1偏好优化DPO，ChatGPT能真正学会你的「品味」了！
OpenAI宣布GPT - 4.1全系列模型支持DPO微调，可让AI通过对比回答学会用户偏好。介绍了DPO原理、适用模型、数据格式、创建任务方法等，还提及开发者反应与技术要点。
深度学习中Batch Size对训练过程如何影响？
文章分析深度学习中batch size对训练过程的影响，探讨超大batch优缺点及应对方法。用面试、通俗、科学三种方式解答问题，还通过MNIST实验，从迭代速度、梯度平滑程度、收敛速度等指标对比不同batch size情况。
押中 Figma、Scale AI 的 Thiel Fellowship， 今年下注哪些 AI 方向？
Thiel Fellowship 由 Peter Thiel 2011 年创办，为入选者提供资金与支持。2025 年入选者地域更广，项目聚焦 AI 等领域。热门方向有 AI Infra、金融 Infra、可编程生命系统，创始人年轻、跨界、实验性强。文中还介绍了多个亮点项目。