「子任务级可验证性」共找到 2798 篇相关文章
揭秘！RLVR/GRPO中那些长期被忽略的关键缺陷
近年来大模型任务突破离不开RLVR关键技术，许多RLVR方法会进行组内优势估计，北航等最新工作揭示其存在系统性偏差，困难题优势被低估，简单题被高估。这会影响训练，论文提出校正算法。
万字拆解：Manus 的 PMF 到底是什么，以及谁在为它一直买单？
本文深入剖析 Manus，探讨其 PMF。分析其使用场景、产品价值，对比与 ChatGPT 差异，勾勒核心用户画像，还发现 AI 工具分工、用户消费特点等，指出 AI 竞争关键，阐明 Manus 边界与行业机会方向。
94.5K Star！2026现象级开源 AI Agent，Moltbot(原Clawdbot)+飞书保姆级安装教程！
2026年现象级开源Agent工具Clawdbot改名Moltbot，获94.5K Star。它能接管本地设备，可通过飞书交互。文章给出Moltbot搭建教程，包括准备工作、部署步骤和接入飞书机器人方法。
0.005%参数量超越SOTA！提升模型能力无需庞大奖励模型
上海交通大学等校联合团队提出轻量级奖励模型SWIFT，利用大模型隐藏状态线性特征，仅训练极小线性层，在推理任务中超越主流奖励模型，实现计算效率与准确率双提升，且在多领域表现出色。
45年数论猜想被GPT-5.2 Pro独立完成证明，陶哲轩：没犯任何错误
2025年1月17日，研究者Neel Somani让GPT-5.2 Pro解1980年提出的埃尔德什猜想第281号问题，证明经陶哲轩验证成立。此外，网友发现有更简单经典解法。陶哲轩提醒评估AI真实成功率有报告偏差。
Qwen3-VL-Embedding系列上新：探索统一多模态表征与排序
2025年6月曾开源Qwen3-Embedding和Qwen3-ReRanker，现推出Qwen3-VL-Embedding和Qwen3-VL-Reranker。它们基于Qwen3-VL构建，能处理多模态输入，在多任务达业界领先，还介绍了特性、评测及使用方法。
让 Claude/Codex/Cursor 少读文件、多懂代码：Serena 体验
Serena是“编码代理工具箱”，能让LLM像IDE一样理解和改代码，有符号级检索等亮点。适合大型代码库任务，10分钟可上手，有多种接入方式，还有提示词模板，能让AI操作更专业。
对我来说，Claude Code 就是 AGI
作者分享项目中配置 Google Cloud Pub/Sub 服务的经历，以前手动或借助 ChatGPT 操作繁琐，现在用 Claude Code，只需描述问题，它就能自动完成分析、操作、验证等，作者认为其某种程度算 AGI。
DeepSeek-OCR是「长文本理解」未来方向吗？中科院新基准给出答案
DeepSeek-OCR的视觉文本压缩技术降低长文本处理成本，中科院自动化所等团队推出VTCBench基准测试评估模型视觉认知，含三大任务及衍生版本，测试结果有‘U型曲线’，还评测多种尖端模型。
GPT-5.2技术炸场！6大核心突破，办公效率拉满
OpenAI凌晨发布GPT-5.2，把专业级AI门槛拉到新高度。它有6大核心技术突破，精准戳中职场痛点。在GDPval基准测试中表现出色，有三级模型矩阵，不同版本满足不同需求，各方面能力均有显著提升。