「基准数据集」共找到 3287 篇相关文章
The Batch: 899 | 更划算的推理
研究人员提出 Delethink 强化学习方法，训练大模型定期截断推理 token 至固定最大数量，以限制处理长思维链成本。经测试该模型在多方面超基线，且缓解计算成本限制，为长上下文推理提供路径。
2025小结：从RL到Agentic RL
作者回顾2025年从RL到Agentic RL的发展，指出Agentic RL存在慢、不稳定、难scale的问题，还探讨了RL与推理、CoT的关系，以及RL的泛化能力，认为RL能提升模型能力但还不稳定，期待明年研究。
The Batch: 892 | 教育应与 AI 协作，而非对抗
三年多前ChatGPT发布，教育改变。曾寄望用AI检测器识别生成文本，但学生易规避。检测难维持信任，还可能惩罚错对象。生成式AI可提升学习，应构建新评估模型，如展示真实理解等。
ChatGPT也上线了个人年度报告！
OpenAI 让 ChatGPT 上线「Your Year with ChatGPT」功能，根据用户过去一年对话生成专属年度回顾。报告有数据统计、聊天风格分析、年度奖项等，还能预测 2026 年，虽简洁但数据更私密真实。
GPT-5.2 上线！全面超越 Claude Opus4.5 及 Gemimi 3.0 Pro
OpenAI 正式宣布 GPT-5.2 全面上线，一口气推出三个版本。GPT-5.2 Thinking 在推理能力上拉开代差，是 OpenAI 首个达人类专家水平的模型。各版本定位清晰，不同用户使用时间有别。
李飞飞站队LeCun，AGI全是炒作！80分钟重磅爆料出炉
李飞飞在Lenny Rachitsky播客中回顾AI发展，揭秘秘辛。她认为AGI是营销用语，世界模型才是未来十年AI前沿。还谈到ImageNet诞生、机器人困境等，其创业公司World Labs的Marble平台应用广泛。
全球68%科研人压力爆表，高校AI人才集体大逃亡！
高校AI科研「内卷」加剧，经费缩水、压力增大。爱思唯尔数据显示68%科研人发论文压力暴增，面临时间与资源双重困境。杜克大学陈怡然教授分享看法，工业界崛起，高校面临转型。
Agent项目最头疼的不是技术，这可能是近期最棒的Agent调研。
MMC深入访谈多家AI Agent创业公司创始人和企业用户，撰写《State of Agentic AI: Founder’s edition》。调研显示创始人头疼的多是非技术问题，还分析了准确率与主动性、定价策略等情况。
LangChain 不看好 OpenAI AgentKit：世界不需要再来一个 Workflow 构建器
OpenAI发布工具集AgentKit，含可视化画布Agent Builder。LangChain创始人Harrison Chase锐评，市场不需要这种可视化工作流构建器，因其不是真正的Agent构建器，且面临高低复杂度问题挤压。
OpenAI Sora 2 登场！同步推出APP，Altman称这是创意领域的「ChatGPT 时刻」
OpenAI官宣新一代AI视频模型Sora 2，在物理准确性、逼真度等方面刷新SOTA，实现「音画同步」。Altman称其为创意领域的「ChatGPT时刻」。还推出Sora App，有新玩法，且在安全治理上布下「安全网」。