「数据与评测基础设施」共找到 3280 篇相关文章
Cluely：最具争议的 00 后 AI 创业者，用一款 “作弊神器”2 个月实现 600 万美金 ARR
本文编译自 a16z 与 Cluely 联合创始人兼 CEO Roy Lee 的对话。Roy 分享了 Cluely 的发展路径，它前身是作弊插件，后成 AI 助手平台，靠病毒营销 2 个月实现 600 万美金 ARR，虽有争议但潜力大。
AI 时代最大的“幻觉”：我们有了最强工具，却正在失去定义真问题的能力
BAT增长顾问、前快手产品总监杨一溪在全球产品经理大会指出，AI时代人们易迷失在‘可能性’中，失去定义‘真问题’的耐心。他结合案例，从多方面分享增长方法论，强调用户需求洞察的重要性。
推理正确率下降65.5%！斯坦福、MIT等用「不等式」拷问AI逻辑极限
大语言模型在数学证明常现推理漏洞，斯坦福等高校团队提出IneqMath基准评估其严谨性。用不等式证明题切入，拆解为子任务，构建评测体系，用LLM - as - Judge审查。结果显示模型推理正确率低，存在结构性缺陷。
杨立昆亲自指导开源世界大模型，为AI Agent打造超级大脑
今天凌晨，Meta开源世界大模型V - JEPA 2，它用超大规模数据集训练，能让AI Agent理解物理世界。图灵奖得主杨立昆参与开发并推荐。模型经多方面改进，还拓展用于机器人规划和视频问答，效果良好。
OpenAI新模型，被曝秘密训练中！万字硬核长文直指o4核心秘密
SemiAnalysis爆料，OpenAI正训练规模介于GPT - 4.1和GPT - 4.5间的新模型，下一代推理模型o4基于GPT - 4.1训练。强化学习成推理模型进步功臣，但面临基础设施瓶颈，奖励函数难定等问题。
不是「电商 AI」，而是「AI 电商」
GenAI时代，AI与电商消费结合成趋势，“值得买科技”提出“全面AI战略”，发布火眼AIUC引擎等4个作品。其海纳MCP Server可输出消费服务能力，推动AI生态建设。还落地什么值得买Gen2和张大妈Agent等应用。
函数向量对齐技术，让大模型持续学习不“失忆”丨ICLR 2025
中国科学技术大学等校团队破解大语言模型灾难性遗忘之谜，发现遗忘源于模型激活带偏差新功能，非覆盖旧功能。还设计FVG训练法，保留并对齐函数向量，保护模型能力。相关论文被ICLR2025接收，代码开源。
40位数学家组成8队与o4-mini-medium比赛，6队败北
Epoch AI安排40位数学家组成8支战队，与OpenAI的o4 - mini - medium模型对决，考题来自高难度的FrontierMath数据集。结果AI以6:2击败人类，不过Epoch AI认为AI未明显超人类，但很快会达到。
AI全面爆发后，企业正在悄悄争夺知识库入口｜甲子光年
AI幻觉问题让企业意识到通用模型在专业场景的局限，需构建企业级知识库。腾讯在峰会上宣布升级知识库产品，乐享知识库通过AI赋能解决数据整合、更新等痛点，未来知识库将与业务深度联动。
ICRA 2025｜通用多机器人长时任务规划框架破解任务分配难题，成功率+105%、效率+36%
2025年5月，美两校联合团队在ICRA 2025发布LaMMA - P。它融合大模型与PDDL规划器，解决异构多机器人长时任务分配难题，在新基准数据集上，相比SMART - LLM，任务成功率提高105%，执行效率提升36%。