「好表现定义」共找到 3245 篇相关文章
必须得让AI明白，有些不该碰的东西别碰（doge）
近期类o3模型在视觉推理任务表现优异，但陷入‘盲目用工具’状态。港中文MMLab等团队提出AdaTooler-V模型，具备自适应工具使用能力，还引入指标、算法，构建数据集，在多基准测评中优势明显。
港中文 MMlab×美团新研究：仅用一个模型，应对多种视觉推理任务
港中文 MMLab 与美团联合提出 OneThinker 多模态统一推理模型，将多种视觉任务抽象为‘先推理、后作答’形式，通过多任务强化学习优化。实验显示其在多任务表现佳，为通用视觉推理模型提供参考。
a16z 提出 AI 产品的「水晶鞋效应」：第一批用户反而是最忠诚的
OpenRouter 报告基于 300 多个模型、100 万亿个 token 交互数据，分析 LLM 应用情况。提出「灰姑娘水晶鞋效应」，即 AI 模型首批用户留存率更高，与传统 SaaS 玩法相悖，还通过案例分析其表现及对 AI 创业的影响。
GPT-5.2 发布：做表格、写 PPT、敲代码 | 打工人的生产力利器
GPT - 5.2发布，在GDPval评测等众多基准测试中刷新行业水平。GPT - 5.2 Thinking适合真实场景与专业工作，在知识型任务、编码、长上下文处理、视觉理解、工具调用等方面表现出色，部分功能需付费使用。
从网页截图到精准复刻只需30秒：这个新模型刷新了我的认知
智谱AI发布GLM - 4.6V系列模型，是首个支持工具调用的视觉模型。作者对其进行7个场景测试，如识别鸟类、分析赶海地点等，展现出不错性能。该模型速度快、开源，有优势也有小问题，适合开发者和普通用户。
原来这届中国AI年轻人，已经卷到业界都惊了
在小红书上，一群热爱技术的年轻人搞了一场为期五个多月的腾讯广告算法大赛。赛题是全模态生成式推荐，考验选手探索精神。比赛结束后，表现突出选手将被纳入腾讯“青云计划”。
别再问什么工作被AI取代！Karpathy直指本质：你的工作「可验证」吗？
前特斯拉AI负责人Andrej Karpathy提出，软件1.0自动化能指定的任务，软件2.0自动化能验证的任务。判断任务能否被AI接管，关键看是否满足可重置、可高效试错、可自动奖励三条准则。
MCP上下文爆炸怎么办？Anthropic给出了新答案（图文示例）
文章结合Anthropic和Cloudflare关于MCP的文章，指出MCP上下文过长存在工具定义预加载和数据反复流经AI两个核心问题，提出让AI写代码调用工具的解决方案，包括按需加载工具和代码在沙箱执行。
Paper2Page: 让每一篇论文都能“自己长出”一个项目主页
AI领域论文众多，研究者难让工作脱颖而出，精美项目主页很重要但制作繁琐。AutoPage是多智能体协作框架，能将论文一键转为项目主页，经三步协作，在速度、成本、质量等方面表现出色，代码已开源。
Sea AI Lab 揭秘：你费尽心力调的 LLM 一直在崩溃？罪魁祸首可能只是一个参数：BF16
Sea AI Lab 和新加坡国立大学研究指出，强化学习微调中训练不稳定和性能瓶颈，根源是数值精度 BF16。其低精度造成“训练 - 推理不匹配”，使训练易失败。将精度切换到 FP16 可解决问题，提升模型表现。