「可验证推理」共找到 6130 篇相关文章
The Batch: 944 | Llama 之后的时代
Meta发布首个AI模型Muse Spark，是多模态推理模型，在部分健康和多模态测试领先，编程与智能体任务有不足。Meta披露技术细节少，该模型基准测试有竞争力，但其从开放转向封闭引开发者担忧。
写在 Claude Design 发布之后：如果明天巨头做掉了你的核心功能，你该怎么办？
Anthropic 发布 Claude Design，可从提示词生成设计稿等，让 Figma 市值蒸发。这引发对 AI 应用层产品的思考，当基础模型厂商收回能力，靠能力缺口的产品将失重，应用层需从工作流、数据等找机会。
93%的人在用AI，为什么生产力只提升了10%——两个被严重低估的杠杆
Stack Overflow 2024年调查显示93%开发者用AI辅助工具，但DX Research研究表明生产力仅提升约10%。文章指出多数人用AI是线性叠加，真正的乘数效应来自自闭环验证和长期记忆，还分析误区并给出实践路径。
QQ音乐你变了，竟能免费在AI PC上原创一首《大东北》
QQ音乐在AI PC上可免费AI作歌，只需输入灵感，几分钟就能创作出原创歌曲。AI PC改变应用生态，降低创作门槛，更安全自由。背后是英特尔酷睿Ultra处理器革新架构，还发起加速计划。
刚刚，Sam Altman宣布：GPT-5即将发布
Sam Altman在X上宣布OpenAI通用推理系统在2025年IMO达金牌水平，同时透露GPT - 5即将发布。OpenAI研究员Alexander Wei介绍突破细节，模型解决多道题获35分。GPT - 5是实验模型，有金牌能力的版本还需等待。
告别 CVE？欧洲漏洞数据库 EUVD 正式上线
欧盟网络安全局推出欧洲漏洞数据库（EUVD）测试版，与CVE并行独立运作，旨在提升欧盟内部漏洞处理协调性与透明度。CVE虽为国际标准，但美国政治动向引发其稳定性担忧，EUVD可作备用且有增强功能。
建模世界偏好：偏好建模中的Scaling Laws
研究首次揭示人类偏好建模遵循Scaling Law，从论坛收集数据在Qwen 2.5模型训练，发现测试损失随训练规模指数增长线性下降。提出建模世界偏好，论文和模型已开源，还探讨了偏好建模可扩展性等问题。
用AI写代码的真实体验：聪明却“不靠谱”的顾问，你敢用吗？
作者Luke Kanies曾是AI与LLM怀疑者，试用Vibe Coding后，认为要把AI当不太靠谱的外部顾问。用AI学Swift编程，发现它是糟糕架构师，但找语法错误快，相处中可让其做琐碎工作，不能全信它。
近 300万人围观卡帕西亲测 Opus 5：两小时写完 5500 行代码， 却连自己写的游戏都玩不了
8月2日，Andrej Karpathy在X公布实验，让Claude Opus 5用Three.js将《指环王》第一章渲染成3D场景，约两小时写出5500行代码。Opus 5按传统游戏开发路线搭建场景，这改变了内容定制方式，但模型验证能力不足。
复制失败与脏碎片：Linux 页面缓存漏洞影响所有主流发行版
一周内，两处 Linux 内核本地权限提升漏洞“复制失败”和“脏碎片”被披露，可使无特权本地用户获 root 权限。前者由 Theori 用 AI 工具发现，后者由 Hyunwoo Kim 发布，均影响页面缓存，与“脏管道”属同一类漏洞。