「研究任务」共找到 3563 篇相关文章
专业医生远不如AI模型？OpenAI推出医疗开源测试基准HealthBench，o3表现最强
OpenAI推出医疗开源测试基准HealthBench，由262位多国医生合作打造，含5000段真实健康对话。评估显示o3综合表现最佳，顶尖AI处理任务能力超无辅助医生，HealthBench更真实专业有区分度，但也有局限。
清华&通院推出"绝对零"训练法，零外部数据大模型自我博弈解锁推理能力
清华、北通院和宾州州立大学研究人员提出“绝对零”训练法，让大模型通过自我博弈生成并解决任务获推理能力。测试显示，其训练出的模型超专家标注样本训练的模型，且能提升编程与数学推理表现。
评论送书 | 奇点何时到来？AI会成为人类的威胁吗 ？
文章从非线性非平衡多自由度系统研究视角探讨生成式AI发展态势，对‘规模增大引发相变实现奇点’及‘AI成人类威胁’观点存疑，指出人类智能与AI智能有差异，推荐《智能的真相：AI能替代人脑吗？》。
评论送书 | 想系统了解AI？先搞清楚这四件事
文章围绕系统了解AI需搞清楚的四件事展开，介绍了AI理论基础层的机器学习和深度学习，感知交互层的计算机视觉等，应用实践层的机器人学等，还提及伦理社会层的AI伦理和社会影响研究。
拆解 Anthropic：最好的 AI 公司，可能也都是一种组织发明
过去一年，Anthropic 是 AI 行业最值得研究的公司，创造了最快爆发性增长，估值反超 OpenAI。文章从战略判断和组织文化两方面拆解其成功原因，分析与 OpenAI 的差异，还指出 AI 竞争中组织文化的重要性。
不换 Kimi 底座，1/10 成本追平 Opus 4.7？Cursor 用 Composer 2.5 反击 Claude Code
Cursor 发布 Composer 2.5 应对竞争，虽沿用 Kimi K2.5 底座，但通过后训练提升性能。它跑分接近 Opus 4.7，价格更低，在长任务处理上表现更好，还公布多项技术进展，正推进大模型训练。
1/10成本、Opus 4.7级表现，Cursor甩出了性价比之王Composer 2.5
Cursor推出新模型Composer 2.5，成本仅为Claude Opus 4.7的1/10，性能几乎追平。它更智能，擅长处理长时任务，遵循复杂指令更可靠。未来一周使用额度翻倍，还宣布与SpaceXAI合作训练新模型。
清华团队预言：90%的人将脱离谋生劳动，「零人公司」时代来了！
清华沈阳团队基于研究与实践提出四大颠覆判断，如AI走向「人机隔离」、未来公司只剩一人或零人等。团队在模型训练、微调等多方面有成果，还探讨行业应用、知识范式颠覆等，描绘AI发展图景。
Harness Engineering实践，做了一个平台让AI一晚上自动评测和优化你的系统
作者分享搭建小平台实现全自动化评测与系统优化的实践，包括创建评测任务、集、报告等，通过钉钉文档、绘报等案例展示操作，还能自动优化系统，不过需系统UI规范、AI Coding含量高。
让大模型理解真实医疗视频，全球首个开源技术方案来了！
AI 进入医疗领域需谨慎，此前美国引入不成熟 AI 致手术失误频发。全球首个医疗视频理解大模型元智医疗视频理解大模型发布并开源，解决了医疗视频领域的任务优化、数据缺失和无法评测痛点。