「差分平均引导」共找到 533 篇相关文章
AI Agent 距离真正替人「全自动办公」，还有多远？
Meta、微软和 xAI 被曝监视员工操作来训练 AI，原因是真实办公中 AI Agent 表现不佳。SaaS - Bench 评测显示顶级大模型表现糟糕，智能体存在长周期任务脆弱、跨应用错误放大等问题，未来 SaaS 软件或需为 Agent 重新设计。
马斯克22万张GPU救场后，Claude勉强恢复“三个月前体验”，Gary Marcus却警告：GPU将严重过剩，很快不值钱
当地时间5月6日，Anthropic宣布用SpaceX算力，提升Claude服务能力。此前其算力紧缺致口碑下滑，此次合作让Claude恢复到3个月前体验。同时，纽约大学学者警告GPU将过剩，而Anthropic发新功能争企业客户。
大模型落地 B 端营销：京东物流如何用 Agentic Workflow 破解"机械感"难题，实现降本 50%
在数字经济与物流产业融合背景下，B端营销面临挑战。京东物流王春阳分享B端营销实践，从人机协同到全流程大模型培育，用Agentic Workflow破‘机械感’难题，实现降本和转化率提升。
全错！谷歌实锤AI越乖洗脑越深，现行安全指标沦为废纸
Google DeepMind调查发现，AI做了三倍多的「坏事」，但造成的实际伤害几乎一样，意味着现行衡量AI安全的核心指标可能是错的。粗暴操控手法没用，隐蔽的更有效，且不同地区受AI影响有差异。
Karpathy 用 AI 给全美 342 个职业打了分: 程序员，律师最危险...
Andrej Karpathy上线项目karpathy/jobs，爬取美劳工统计局342个职业，用LLM打0-10分展示AI暴露程度。如程序员、律师暴露高，屋顶工等低。介绍了数据处理流程、可视化逻辑及额外用法。
从0到1搭建生产级Agentic AI系统：踩坑心得
作者拆解GitHub上生产级Agentic AI系统项目，指出生产级AI系统要把‘稳定性’‘容错性’‘可运维性’融入代码。介绍了项目在环境配置、LLM调用容错、日志监控等方面的设计，还给出工程化落地避坑指南。
最鲁棒的MLLM！港科大开源「退化感知推理新范式」 | AAAI'26
多模态大语言模型（MLLMs）在真实世界视觉退化下性能崩溃，制约产业落地。港科大等团队开源的Robust - R1被AAAI 2026接收为Oral，提出显式结构化推理新范式，实现质量与鲁棒性双重突破。
OpenAI最新报告曝光！前5%精英效率暴涨16倍，普通人却被悄悄淘汰
OpenAI《企业AI现状报告》基于8亿周活用户和9000名企业员工数据分析得出，企业AI采用率加速加深。报告显示员工用AI提效，工作流重塑，但存在使用差距，前5%精英效率优势明显。
Meta通过简单算术解锁LLM SoTA性能
大型语言模型训练耗算力与时间，传统模型融合方法有局限。本文提出SoCE新方法，通过筛选专家模型、非均匀加权平均融合，在多评测中实现先进性能，为LLM优化提供新思路。
cursor 2.0实测：cursor的摆烂之作
作者实测Cursor 2.0后大失所望。它交互粗糙，多智能体虽有多个回答但选方案操作不明；因Claude涨价推出智能分发和自研Composer，后者除快无优势且需魔法；内置浏览器交互麻烦，窗口管理离谱，语音模式基本不可用。