「推理时代」共找到 3167 篇相关文章
OpenAI和Anthropic罕见互评模型：Claude幻觉明显要低
OpenAI和Anthropic罕见合作，互相授予API权限评估模型安全与对齐情况并发布报告。双方派出多模型参与，从指令层次、越狱、幻觉、欺骗策略等方面评测，呈现各模型优缺点。
一场「狼人杀」，考倒了一堆大模型
南开大学等机构设计 InMind 评测框架，在 Avalon 游戏对 11 个前沿大模型测试。多数模型停留在表层模仿，仅少数推理增强模型有初步‘风格敏感性’，未来人机交互应关注‘像不像’。
所谓“氛围编程”，不过是“技术债”的新马甲
本文编译自 Steve Krouse 演讲与博客，指出‘氛围编程’代码即遗留代码、‘技术债’，编程核心是理论构建。还认为工具优于智能体，代码是描述软件的正确媒介，人类大脑在编程中始终是核心。
刚刚，Claude 4.1 发布
刚刚，Anthropic 发布 Claude Opus 4.1，对智能体任务、编码和推理能力全面升级，付费用户已可使用。未来几周还有重大改进。它在多方面能力提升，碾压对手，网友反应热烈。
浙商大佬，带出350亿芯片独角兽
68岁浙商大佬王东升二次创业，投身半导体领域。他带领奕斯伟计算，锚定RISC - V指令集砸钱研发，虽三年累计亏损49.5亿，但D轮融资后估值达350亿，还四处扩建朋友圈推动生态建设。
腾讯太极团队实现DeepSeek模型业内H20最高性能15800+ tokens/s
腾讯太极团队揭秘实现DeepSeek模型15800+ tokens/s业内H20最高性能的方法，通过PD分离、多层MTP优化等全栈优化方法论，还介绍多机性能优化方案，后续预计性能突破20000 tokens/s。
「谷歌搜索」过时了！10秒KO，ChatGPT秒解五年医学谜团
一位患者下巴疼痛咔咔声五年未解决，求助ChatGPT，它几秒给出建议，患者练习一分钟症状缓解。此案例引发关注，展现其解决实际问题潜力，还体现人们与AI互动方式的变化。
国产芯片比英伟达整体效率更高！？华为 CloudMatrix384 超节点首曝论文，跑 DeepSeek 效率超越英伟达
今年4月，网上曾争论华为芯片效率是否超国际主流。近日华为团队论文公开，阐述在CloudMatrix 384超节点部署DeepSeek大模型细节，性能指标超英伟达体系，还介绍架构、软件栈及适配优化方案。
近期必读，Mary Meeker 340页PPT分析AI现状和未来
Mary Meeker发布340页《人工智能趋势报告》，分析AI现状与未来。报告指出AI发展迅速，用户、使用量和资本支出增长前所未有，但也面临变现威胁，如竞争加剧、开源模型崛起和中国追赶，同时AI正深刻改变工作方式。
大模型首次打破围棋思维「黑盒」，打通科学发现新路径！上海AI Lab发布新一代InternThinker
上海AI Lab发布新一代书生·思客（InternThinker），它是我国首个具围棋专业水平且能展示透明思维链的大模型。其得益于InternBootcamp训练环境，还在多任务混合训练中现‘涌现时刻’，背后有通专融合底层技术突破。