「数商」共找到 488 篇相关文章
一场「狼人杀」，考倒了一堆大模型
南开大学等机构设计 InMind 评测框架，在 Avalon 游戏对 11 个前沿大模型测试。多数模型停留在表层模仿，仅少数推理增强模型有初步‘风格敏感性’，未来人机交互应关注‘像不像’。
使用 Claude Code 自动化 GitHub Actions
这篇技术博客介绍用Claude Code自动化GitHub Actions Runner镜像更新工作，包括用其处理补丁冲突、分析变更，以减少人工工作量，提升开发者生产力，还给出实现细节与代码。
实测GPT-5 Pro：别被普通版骗了！Pro才是OpenAI真正的顶级模型
新智元实测发现GPT-5表现飘忽，但其Pro版本实力强劲。在编程、推理计算、图像识别等多方面表现出色，网友实测后也赞不绝口。此外，文中还介绍了GPT-5提示指南及OpenAI放出旧模型的彩蛋。
打脸OpenAI！谷歌Gemini高级版获IMO 2025官方认证金牌：纯自然语言端到端推理
谷歌DeepMind宣布高级版Gemini在2025年IMO中6题解5题获金牌，经官方认证，全程用自然语言推理。对比OpenAI自我宣称拿金牌，谷歌成绩更有说服力，还介绍了Gemini进步及实现方法。
亚马逊发布新AI大模型，部署机器人突破100万
全球电商、云计算巨头亚马逊宣布推出新AI基础大模型Deep Fleet，部署机器人超100万。该模型可提升机器人车队出行效率，还能协调机器人移动，带来交付快、成本低等好处。
DPO与GRPO谁更胜一筹？港中文、北大等联合发布首个系统性对比研究
港中文、北大等团队首次全面对比DPO和GRPO算法在自回归图像生成中的应用，评估其在域内、域外性能，探究奖励模型及扩展策略的影响，为开发高效RL算法提供新思路。
00后中国女孩0产品创业实现3亿估值：斯坦福数学博士的AI量化野心
00后中国女孩洪乐潼创业一鸣惊人，虽无产品和用户，但目标估值3 - 5亿美元。她是斯坦福华人数学博士，公司Axiom想为量化和对冲基金公司提供解决数学问题的模型能力，获投资人关注。
说一个反常识的真相，Agent如今在真实工作场景的成功率依然很低。
作者有感于AI在真实工作场景评测的稀缺性，以阿里国际站RealReplicaBench评测集为例，介绍电商场景任务，发现多数模型成功率低，其他领域类似，呼吁厂商努力，作者也计划自跑评测更新排名。
财报里的AI医生「大为」，撬动京东健康价值重估
京东健康AI医生「大为」让用户足不出户解决就医问题。财报显示其已覆盖超1000种病症，“618”服务用户数同比增近4倍，满意率超98%。它凭借数据、场景和履约能力实现问诊到服务落地，并探索长期健康管理。
西交大提出QQWorld：仅需10行代码，世界模型成功率提升5.33个百分点
2026 年 3 月 Yann LeCun 等人提出 LeWorldModel，西安交通大学研究团队发现其存在问题，进而提出 QQWorld，用分位数—分位数匹配替换原有的 EP 正则，提升了规划成功率，还提出 Cross - Batch QQ 解决显存问题。