「推理质量评估」共找到 3139 篇相关文章
破解300年数学难题，智能体大突破！谷歌发布超强AI Agent
今天凌晨谷歌Deepmind发布编程AI Agent——AlphaEvolve，它与Gemini深度集成，能评估算法。它解决了300多年的数学难题，还提出新算法，提升大模型计算效率，可优化GPU指令，架构含多模块。
字节跳动Seed1.5-VL复杂图表精准抽取，Deep Think是多模态未来的主流
文章介绍字节跳动的Seed1.5-VL模型，它能精准抽取复杂图表，处理模糊图片、推理几何题。其由视觉编码器和LLM组成，预训练语料丰富，后训练结合多种方法，推荐在huggingface体验。
面对MCP"工具投毒"，我们该如何应对
近期MCP爆火但安全风险显现，安全机构指其有严重漏洞，会致‘工具投毒攻击’。本文介绍通过客户端/服务器代码复刻攻击过程，剖析MCP客户端和服务端安全风险，还给出阿里云的两种安全监控方案。
在智算中心，部分国产芯片闲置率高达80%？
随着人工智能发展，智算中心成为科技竞争“新基建”。国内建设热潮出现波动，存在投资热度与阶段性“算力过剩”并存现象，还面临国产芯片闲置率高问题，提出需“精细化”管理提升算力利用率 。
腾讯再次试水？社交电商可不单单是拼流量这么简单！
社交电商的核心竞争力并非仅仅在于流量，而是商品和服务的品质。腾讯通过微信小商店等尝试，不断探索社交电商模式，但真正的成功还需依靠供应链和商品质量。
估值 20 亿美元的语音输入法，开源平替已经 3 万 star
文章指出语音输入随着 AI 发展价值重估，介绍了开源工具 OpenLess，分析了商业订阅、开源桌面工具、大厂输入法三类玩家，给出四层评估框架，也提及开源风险，并对不同需求给出选择建议。
撞名Anthropic的“外挂”刷屏：让“DeepSeek V4‑Pro碾压 Fable 5”但无人能复现，Token开销反而翻倍
J - Space Cognition Suite社区项目在X上传播，称不修改DeepSeek V4 - Pro模型权重，用推理时Harness能提升其在多项Agent Benchmark表现，超Fable 5，但未第三方复现，且Token开销可能翻倍。
落地商用开启国产一体化智算新时代，蓝芯算力LX500亮相滴水湖RISC-V产业论坛
2026年8月13日，第五届滴水湖中国RISC - V产业论坛召开。蓝芯算力生态营销负责人许庆伟以核心产品LX500为线索，从架构、算力、商业落地三方面，展示国产RISC - V算力商用路径。
全国大学生，苦 AIGC 检测久矣
央视报道，多位高校学生毕业论文被 AIGC 检测系统误判，甚至《滕王阁序》《出师表》也被标为高风险。检测原理主要依赖「AI 困惑度」和「突发性」。毕业季检测算法升级致结果大幅波动，引发学生不满。
Harness Engineering: C 端 AIGC 内容生产自优化实践
文章介绍蚂蚁保保险快查深度解读页面生成系统（DIPG），它将Harness思想用于C端AIGC生产链路。DIPG采用‘离线生成+校验+刷入DB’模式，解决LLM实时生成时延和质量问题，还阐述多Agent协作、校验机制及回灌流程等。