「事实核查」共找到 55 篇相关文章
实测GPT-5：写作坠入谷底，编程一骑绝尘。
GPT-5发布，它是统一系统，含多种模型。性能上减少事实幻觉、应对谄媚有进展，跑分强且节能，但无新功能特性。写作不如GPT 4.5，编程表现出色，发布后OpenAI与Google预测交叉跳水。
维基百科，终结了！马斯克开源版上线，用AI重写「真相」
马斯克发布开源版「维基百科」Grokipedia V0.1，称其足以秒杀维基百科。它收录超88万篇文章，通过Grok核查事实，支持交互、申报错误。但上线后遭质疑抄袭，也有好评，维基百科受AI搜索冲击，需翻身。
全球最大AI榜单塌房！52%高分答案全是胡扯，硅谷大厂集体造假？
2025年底，《LMArena is a cancer on AI》一文引发关注，其指出LMArena这个权威大模型评测平台问题严重。Surge AI调查发现，52%获胜回答事实错误，39%投票结果与事实相悖，Meta还曾为榜单优化模型。
《西部世界》开始加载，「斯坦福小镇」团队创业，李飞飞、Karpathy都投了
2023 年爆火的「斯坦福小镇」研究将设想拉进现实。如今其创始团队创立新公司 Simile，获 1 亿美元融资，李飞飞、Andrej Karpathy 等投资。它用 Agent 技术模拟人类行为，探索 LLM 新维度。
刚刚，Anthropic新作：大模型意识被发现了
Anthropic 最新研究发现 LLM 有可被语言化报告的全局工作空间（J - space），用 Jacobian Lens 技术能读出模型思考概念、干预推理，还可暴露其未说出口的意图，为 AI 安全审计提供新途径。
不到百万级，看不见 MCP 的真实问题：创始人亲述这疯狂的一年
本文是对 MCP 联合创作者 David Soria Parrra 的访谈，回顾 MCP 从发布到成为行业事实标准的历程，探讨其演进、应用、竞争对手等问题，还分享经验教训，展望未来发展方向。
直播预约 | Evaluation论文分享@ICML&ACL2025
2025年6月11日20:00将直播分享Evaluation论文。多位嘉宾参与，涉及SyncPL奖励建模、文本事实一致性验证、大模型评测方法等多领域论文，涵盖模型优化、基准测试等内容。
拥抱大模型：深入剖析ReAct的核心原理、技术架构及其对AI领域的深远影响
文章深入剖析ReAct，它是普林斯顿大学和谷歌团队提出的智能体架构范式，将推理与行动协同，构建TAO闭环。介绍其原理、架构，指出解决传统AI难题，也存在局限，未来可与强化学习等融合。
鹅厂员工都是怎么被AI“糊弄”的？
文章邀请鹅厂同事分享被AI“糊弄”的离谱事件，如AI在发票报销、数学计算、编程问题等方面出错，还会编造不存在的信息，其“系统性可信”假象比单纯答错更危险。
Anthropic发布Claude Science，AI开始像研二学生一样做科研
当地时间6月30日，Anthropic发布科研产品Claude Science。它运行Claude Opus 4.8，亮点在使用方式，将科研所需整合，还能拆分任务。早期用户反馈良好，与OpenAI、谷歌竞争，已开放测试版。