「基准测试成本」共找到 3418 篇相关文章
深度体验｜京东开源轻量化通用Agent产品 jdgenie，开箱即用！二次开发及踩坑指南。
本文体验京东开源的端到端多智能体系统JoyAgent - JDGenie，它是产品级多智能体协同系统，开箱即用、支持本地部署。介绍其原理架构、本地部署测试步骤、二次开发方式，还指出特点与不足。
代码碾压一切！OpenAI神秘模型o3-alpha一夜刷屏，却遭41岁大神绝地反杀
OpenAI神秘模型o3 - alpha曝光，代码能力强大，疑似在编程大赛获亚军，不敌人类选手Psyho。ChatGPT Agent也实力惊人。比赛组织者指出AI代码优化强，但缺人类创造力。
最强人才接连被挖，创业大佬离开 OpenAI 后说了实话：7 周硬扛出 Codex，无统一路线、全靠小团队猛冲
近日，OpenAI 研究员 Jason Wei 即将加盟 Meta 新成立的超级智能实验室，另一位研究员 Hyung Won Chung 也将一同加入。此外，曾参与 Codex 开发的创业大佬 Calvin French - Owen 分享在 OpenAI 的经历，揭示其内部生态。
关键突破：理论验证了 RL for LLM 路线的可行性
传统RLHF依赖人工标注偏好数据训练奖励模型，成本高且难扩展。本文发现任何通过Next - token预测训练的LLM内部隐含通用奖励模型，从理论和实验证明其可高效实现模型对齐。
曾让 Adobe 豪掷千亿，如今要独立上市了！招股书疯狂点名 AI 150 次，新产品对标 Lovable
网页设计工具开发商 Figma 申请 IPO，招股书提“AI”超 150 次，既视其为“创意加速器”，也认为是“潜在威胁”。该公司业务增长强劲，今年扩展工具库，虽 AI 投入短期内有负面影响，但仍会加倍投入。
一晚上，用AI干了7个PPT，我发现了一个让PPT设计师失业的方法
作者一晚用AI做7个PPT，分享让PPT设计师失业的方法。介绍苹果风格PPT效果，阐述10分钟搞定专业PPT的核心步骤，还对比了传统与AI方式的时间成本，最后预告下期分享内容。
被 AI 大厂逼至绝望，这帮欧洲人发起了一场“科学复兴运动”
AI前沿成果被科技巨头锁在“黑箱”，欧洲科学家、工程师等发起“科学复兴运动”成立LAION。他们构建开放数据集，训练出表现优异的模型，还进行“爱丽丝梦游仙境”研究测试大模型，探讨推理模型发展方向。
AI哪怕答案正确，逻辑链却惨不忍睹，奥数级不等式证明成功率不到50%｜ 斯坦福&伯克利&MIT
斯坦福、伯克利、MIT等联合研究，系统评估29个大模型在奥数级不等式证明任务的能力。研究发现，模型答案正确多靠猜，推理漏洞多，参数大、思考久也不能提升推理严谨度，但自我反思和定理线索策略有改善效果。
谷歌Gemini 2.5全线爆发！勇战「濒死恐慌」，却被丝血宝可梦吓到当场宕机
谷歌旗舰Gemini 2.5全家桶三款模型昨夜上线，包括正式版2.5 Pro、2.5 Flash及预览版2.5 Flash - Lite。技术报告显示其性能提升显著，还在玩宝可梦时惊现类人恐慌，推理性能下降。
o3-pro答高难题文字游戏引围观，OpenAI前员工讽刺苹果：这都不叫推理那什么叫推理
OpenAI“最新最强版”推理模型o3 - pro引发关注。首位全职提示工程师给它设难题，它推理后答对。OpenAI前员工借此讽刺苹果。各大评测榜单显示其表现与官方有差异，苹果&SpaceX前工程师分享使用心得，肯定其表现。