「子任务级可验证性」共找到 2797 篇相关文章
哈佛《Science》研究：大模型已碾压人类医生！
哈佛医学院等团队让OpenAI o1系列大模型与数百位医生在多项测试中较量，大模型在各项诊断和管理推理任务上全面超越人类专家，不过当下模型处理非文本信号有局限。
算力极限下，OpenAI 急着做什么？
OpenAI联合创始人兼总裁Greg Brockman接受专访，就产品战略收拢、新基座模型Spud等议题给出内部判断，回应业界质疑。他称产品调整是算力硬约束下的优先级排序，还透露了产品核心方向和Spud进展。
太反差了！那边Claude强制「刷脸」认证，这边国内Coding Plan被外国人疯抢
Anthropic要求Claude用户进行严格身份验证，被网友吐槽。而国产GLM Coding Plan因模型能力提升在海外走红，海外版涨价后，海外开发者研究买中国版，国内购买也很火爆，闲鱼还出现代抢生意。
Routa 桌面版发布：内建 Harness 工程的 AI Coding 研发协作工作台
Routa桌面版发布，它是内建Harness工程的AI Coding研发协作工作台。围绕Routa构建Harness工程框架，Kanban成为任务协议，多Agent沿泳道接力协作，重新定义了‘done’，让AI Coding进入协作与交付问题域。
不要接盘！七巨头暗套84亿，20万亿AI泡沫濒临崩塌
穆迪报告揭示AI发展两条路径，要么生产率狂飙，失业率降至3.8%；要么泡沫破裂，460万人失业。2026年1月裁员数据似在验证后者。当前AI行业融资循环、巨头抛售股票，股市被高估，泡沫濒临破裂。
对话 Funloom AI吴同：拆了AI还能玩，算什么AI原生游戏？
本文对话Funloom AI吴同，探讨AI游戏现状与发展。以《青椒模拟器》为例，指出AI游戏潜力。介绍Funloom平台，能让用户轻松生成文字游戏，分析其与开源项目差异、商业模式及对AI原生游戏看法。
「百万级」视频推理数据集！30+顶尖高校联合发布
AI视频生成已能「画得像」，但不会「想得对」。VBVR推出百万级视频推理数据集，首次系统评测模型对空间、物理、逻辑和抽象的推理能力，发现顶尖模型通过率仅68%，推动视频AI从「视觉模仿」迈向「智能推理」。
世界模型开始做减法？LeCun团队和清华团队给出两种思路
近期，Yann LeCun团队的LeWorldModel用简洁JEPA实现从像素端到端训练世界模型，降复杂度且验证潜在空间物理刻画能力；清华团队的Fast - WAM探讨推理阶段显式生成未来必要性，给出高效替代路径。
想进OpenAI？先解出这道题，百万美元算力已就位
OpenAI发起Model Craft Challenge「Parameter Golf」项目，要求在固定数据集上降验证损失，模型产物控制在16MB内，8张H100 GPU 10分钟完成训练。提供百万美元算力，6月招早期人才，挑战3月18日至4月30日。
AI读不懂文档结构？计算所重构Agentic RAG文档推理能力
大语言模型工具使用能力推动RAG进化，现有Agentic Search框架有“结构盲”问题。中科院计算所团队提出DeepRead，将文档结构转化为坐标系统，用两大工具协同实现类人推理，在多数据集验证效果显著。