「认知差距」共找到 556 篇相关文章
复读一年，AI 把高考数学成绩从及格线提到 145 分！AI 数学能力发生了什么？
今年媒体让AI做高考数学题，Gemini 2.5 Pro获145分排第一。从去年到今年，AI数学能力指数级增长，这得益于推理模型。推理模型用思维链和强化学习解题，未来高考数学或难区分模型能力。
33%！Claude、GPT、Gemini 在真实网站上集体翻车，ClawBench 把 AI agent 打回原形
ClawBench让AI在144个真实网站执行153个日常任务，结果惨烈，如Claude Sonnet 4.6每三任务翻车两个，GPT - 5.4仅完成10个。它还揭示AI在真实环境的问题，为评估模型提供标尺。
ACL 2025｜自我怀疑还是自我纠正？清华团队揭示LLMs反思技术的暗面
本文指出反思技术虽简单有效，但在多种LLMs和任务中会失败。清华团队剖析其在开源和闭源LLMs、四种任务上失败原因，提出轻量级缓解方案，为反思技术可解释性研究奠基。
矩阵乘法新突破！XX^T原来可以更快！RL助力搜索，世界纪录又被提升了5%
深圳市大数据研究院、香港中文大学（深圳）研究团队，结合强化学习与组合优化技术，发掘新算法 RXTX，让 XX^T 运算减少 5% 运算量，成果在国际引发关注，不过产业化落地仍面临挑战。
AI再破2000年前「上古卷轴」！古希腊著作原文首次重见天日
2025年，维苏威挑战赛有历史性突破，研究人员首次非侵入性读取仍卷着的赫库兰尼姆古卷标题。该成果获60000美元首标题奖，解读内容或重塑学界对相关作品结构的理解。
EMNLP 2026高分论文MathDebugger：当合成数据涌入训练集，如何为数学题做体检？
随着合成数据增多，模型需判断数学数据题目能否被信任。北大DCAI团队提出MathDebugger质检BenchMark，覆盖问答两端，评测主流LLM和PRM。还探究能否判断正误、分类错误、修复数据，证明错误标签可作监督信号。
AI Agent 总翻车？这篇综述戳破了 3 个关键误区
很多团队做AI Agent停留在‘LLM+工具’表面拼接，运行易出问题。该综述指出AI Agent是‘系统’，介绍其架构，还给出常见误区的应对方法、落地检查清单，展望应用前景。
听LLaMA Factory、vLLM、RAGFlow作者亲述顶级开源项目的增长法则｜GOBI 2025
在开发中，开源项目易，维护让其活起来难。12月21日GOBI 2025大会上，LLaMA Factory、vLLM、RAGFlow等项目作者将分享顶级开源项目增长法则，大会还有众多精彩环节等。
谷歌AI研究员，潜入梵蒂冈游说教皇：AGI将带来末日！
当硅谷争论AI何时超人类，前谷歌研究员莱文带“AI复仇者联盟”赴梵蒂冈，想让教皇正视AGI风险。他担心巨头先“安抚”教会，虽未与教皇交流，但发现梵蒂冈对AGI较开放。
高智商 ≠ 高财商？50天实盘测试：LMArena 高分王者也可能是「韭菜」
伊利诺伊大学厄巴纳 - 香槟分校团队开发 LiveTradeBench，让大模型在真实金融市场交易，检验其能力。它全面开源，有实时数据、组合决策等创新，50 天实测揭示模型财商差距。