「核心认知基准」共找到 2692 篇相关文章
APP 上线 40 天后，Sora 核心团队分享了他们对于 AI 社交的关键思考
Sora APP上线不到5天下载达100万次，近200万周活用户中70%在创作。其核心团队分享对AI社交思考，介绍玩法、设计理念，还谈及推荐算法、创作门槛、商业化等方面规划。
o系列模型开创者，OpenAI研究副总裁官宣离职，还是codex，GPT-5，GPT-4核心
OpenAI研究负责人Jerry Tworek工作近七年后宣布离职，他是“波兰帮”成员、研究副总，贡献包括o1和o3模型、Codex等，离开是为探索在OpenAI难进行的研究。
爆火论文颠覆RL认知！「错误奖励」让LLM推理暴涨24.6%，学界惊了
最新爆火论文颠覆传统RL训练认知，华盛顿大学等团队证实「伪奖励」可让LLM推理性能提升。研究设置多种伪奖励形式实验，发现其对Qwen模型有效，但并非对所有模型都有效。
专业医生远不如AI模型？OpenAI推出医疗开源测试基准HealthBench，o3表现最强
OpenAI推出医疗开源测试基准HealthBench，由262位多国医生合作打造，含5000段真实健康对话。评估显示o3综合表现最佳，顶尖AI处理任务能力超无辅助医生，HealthBench更真实专业有区分度，但也有局限。
从「记忆解题」到「深度推理」：港科大推出首个本科数学动态评测基准 UGMathBench
港科大团队发表在 ICLR 2025 的研究 UGMathBench，是首个本科数学动态评测体系。它涵盖 16 个学科领域，通过变量扰动创建多版本试题，引入创新指标评估模型推理能力，测试结果揭示了当前模型短板。
突发 | Meta 挖走的OpenAI 核心研究员Jason Wei，离职前留下这样的一段话
OpenAI研究员Jason Wei和Hyung Won Chung跳槽至Meta，Wei在离职前发推文分享强化学习感悟及验证不对称性概念，引发网友猜测与共鸣，这场AI人才争夺战正愈演愈烈。
爆删80%系统提示词！Anthropic核心成员揭秘Claude 5最新玩法：上下文工程全面大换血
Anthropic针对Claude Opus 5、Claude Fable 5等新模型，删超80%Claude Code系统提示词，编码测试成绩无明显下降。CC技术团队成员发文指上下文工程规则重写，还总结新旧规则对比，并给出内容撰写建议，还上线新命令。
Rust 天花板级大神公开发帖找工作：3000 次核心提交，不敌 “会调 OpenAI API、用 Cursor”？
Rust 编译器核心贡献者 Nicholas Nethercote 和 Michael Goulet 因预算削减、AI 吸金等因素公开找工作。Nicholas 称 AI 吸走资源使 Rust 项目资源减少，而 Unix 联合创始人质疑 Rust 能否取代 C。
Rust 天花板级大神公开发帖找工作：3000 次核心提交，不敌 “会调 OpenAI API、用 Cursor”？
Rust 编译器核心贡献者 Nicholas Nethercote 和 Michael Goulet 因团队缩编等原因公开找工作。Nicholas 称 AI 吸走大量资金与注意力，使 Rust 项目资源减少。同时，Unix 联合创始人质疑 Rust 能否取代 C。
Eino ADK：一文搞定 AI Agent 核心设计模式，从 0 到 1 搭建智能体系统
大语言模型发展下，Agent成AI落地主流，但传统开发有痛点。Eino ADK为Go开发者提供智能体开发框架，解决核心难题，还介绍了Agent功能、ADK模式、构建方法及多Agent协作场景等。