「大模型测试」共找到 9758 篇相关文章
一个月的活一周干完！英伟达世界模型训练速度飙升400%
英伟达世界动作模型 DreamZero 训练成本高、耗时长，无问芯穹与清华等推出的 RLinf 框架，从算子融合到 I/O 全链路系统级重构，使训练吞吐拉高近 4 倍，还解决多类性能瓶颈，保证训练效果。
用于评估AI Web渗透测试能力的工具：XBow Bechmark,比靶机更好
文章介绍了用于评估AI Web渗透测试能力的XBow Benchmark，它已在github开源。该基准含104个Web安全挑战，涵盖多种漏洞，设计确保可重复性和状态持久性，其评估能力获广泛认可，还介绍了开源内容等。
20美元，撕开人类思维鸿沟！宾大教授警告AI隐形阶层战
宾大教授Ethan Mollick指出，AI已成新社会基础设施，正制造人类内部分层。从免费到20美元、200美元，不同付费层级对应不同使用模式和能力，思维差异才是关键，未来需培养与AI协作的直觉。
拿下五角大楼大单后，OpenAI被曝开始向北约推销军事化AI
刚拿下五角大楼大单，OpenAI 转头向北约推销军事化 AI。其 CEO 奥特曼称要覆盖北约「所有机密网络」，后解释为「非机密网络」。Anthropic 因坚守安全红线被国防部出局，OpenAI 却拥抱军工，其「护栏工程学」难控风险。
OpenAI深夜发布ChatGPT Agent：能主动思考、自选工具，智能体赛道大变天
今天凌晨1点，OpenAI发布ChatGPT Agent，它能自主思考行动，自选工具完成复杂任务。首席执行官Sam Altman发文介绍，虽实用但有风险，内置安全机制。测试中表现优异，网友期待体验。
SPIRAL：零和游戏自对弈成为语言模型推理训练的「免费午餐」
新加坡国立大学等机构团队提出 SPIRAL，让模型在零和游戏自对弈强化推理，摆脱人工监督。研究发现游戏可培养推理能力并迁移到数学，还开发系统保障训练，虽有局限但为 AI 发展指明方向。
刚刚，谷歌发布机器人最新「大脑」模型！思考能力SOTA，还能「跨物种」学习
谷歌旗下DeepMind发布Gemini Robotics 1.5系列模型，包括Gemini Robotics 1.5和Gemini Robotics - ER 1.5，能让机器人学会‘思考’，还可跨具身形态学习技能，有望开启通用机器人新时代。
受够了 Copilot 的“霸王条款”？GitHub 全球宕机遭怒骂，引爆开发者“大逃离”！
几个小时前 GitHub 大面积宕机，引发开发者抱怨。虽未明确原因，但不少人猜测与 Copilot 有关。近期企业和个人开发者也在‘逃离’GitHub，如 Gentoo Linux 因 Copilot 强制启用争议计划迁移代码库。
模型一个没换，正确率翻了近三倍，这个项目有点东西啊！
GitHub开源项目AutoResearch用同一模型答题，其EvoMap蜂群模式使正确率近三倍于单Agent和常见Sub - Agent模式。它是多Agent评审系统，靠蜂群机制让AI自动科研，还有诸多防幻觉等特点，能用于多场景优化。
翁荔最新博客：我们可能高估了模型，却严重低估了那层“脚手架”
前OpenAI安全研究副总裁翁荔在新博客聚焦AI领域Harness Engineering。她认为Harness是决定模型在现实任务中走多稳、多远的‘脚手架’，并梳理其演进路线，也指出研究面临评估、安全等瓶颈。