「实验验证」共找到 1979 篇相关文章
你永远叫不醒装睡的大模型！多轮对话全军覆没，性能暴跌39%
研究人员进行超20万次模拟实验，耗资5000美元，评估大模型在多轮对话中的表现。结果显示，大模型在多轮对话中性能明显低于单轮对话，平均下降39%，还出现“对话迷失”现象。
攻克长文档与多模态挑战，Paper2Video实现学术视频的自动化生产
新加坡国立大学 Show Lab 团队主导研究，提出 Paper2Video 基准及评价指标，还推出 PaperTalker 多智体框架实现学术视频自动化生产，实验显示其在多方面表现佳，效果接近人工水平。
松下发布多模态大模型，文本、图像、音频随意切换
多模态数据处理成热点，但现有模型处理复杂任务有挑战。松下开发多模态大模型OmniFlow，采用模块化设计、多模态引导机制，实验显示其在多任务中有卓越表现。
XcodeBuildMCP：让 AI 像开发网页一样搞定 iOS/macOS 应用
Sentry开源的XcodeBuildMCP项目，打破传统AI辅助开发手动验证循环，通过MCP和CLI让AI代理操作Xcode构建系统，实现自动化开发流程。它配置简单，能覆盖日常开发需求，助力iOS开发迈向‘无人值守’。
Claude团队打开大模型「脑回路」，开源LLM思维可视化工具来了
Claude团队推出“电路追踪”工具，可生成归因图呈现LLM处理信息路径，支持在主流开源权重模型上快速生成。研究人员能借此解码LLM“决策逻辑”，官方还给出多语言电路等示例。
医疗AI十年，终于有人跑通了最难的一关｜甲子光年
2026年5月20日，德适AI AutoVision®染色体核型辅助诊断软件获国家药监局第三类医疗器械注册证。这验证了iMedImage®基座模型产出产品可通过最高等级监管审查，为医疗AI产业化提供了可行路径。
省下1.25倍算力！Kimi这篇论文，可能改写所有大模型的训练方式
大模型层数增多时，残差连接存在PreNorm稀释问题，导致后面层贡献被稀释。Kimi论文提出Attention Residuals方案，还给出工程解法Block AttnRes，实验显示能省算力且提升效果。
开源一周狂揽 35K 标星！Karpathy 开源 autoresearch：630 行代码让 AI 自动“炼丹”！
前OpenAI、特斯拉前AI总监Andrej Karpathy发布新项目autoresearch，一周揽35.6k Star。它是极简版LLM训练环境，630行代码让AI自动做研究，人类通过Prompt指导，AI自行实验。
拖拽视频编辑进入流式时代！任意时刻、任意内容，实时修改 | ICLR'26
新加坡南洋理工大学和合肥工业大学研究人员在ICLR 2026提出REVEL任务，打造免训练DragStream方法，实现视频生成时实时拖拽编辑，支持多种操作，破解两大难题，实验显示效果、泛化性佳。
普林斯顿发现RLHF显著加剧了LLM胡扯！
普林斯顿研究提出‘机器胡扯’概念，构建分析框架，含胡扯指数、行为分类法和评测集。实验揭示RLHF加剧胡扯，政治语境模型爱‘打太极’，为构建诚实AI提供工具和理论。