「内测结果」共找到 997 篇相关文章
卡帕西点赞Transformer内置计算机！每秒3万Token吞吐，拿下世界最难数独
当前大模型推理顶尖但精确计算不足，Percepta团队在Transformer权重里内嵌可执行程序，通过2维注意力头设计提升推理效率，能在普通CPU上实现每秒3万+Token的流式输出，还精确求解了世界最难数独。
梁文锋突袭马斯克！DeepSeek V4 Pro对战Grok 4.6，首测夯爆了
梁文锋凌晨发布DeepSeek V4 Pro正式版，马斯克推出Grok 4.6，二者在多项评测中表现出色，直逼OpenAI和Anthropic顶尖模型，还降低了前沿智能价格。首测中，二者在真实任务场难分伯仲。
ICCV 2025万篇投稿破纪录，作者被逼全员审稿！网友痛批不如GPT
ICCV 2025论文投稿量达11152篇创纪录，评审结果公布后引热议。网友吐槽部分评审意见质量差，还有作者不满全员审稿制度。大会禁止用大模型评审，也暴露了同行评审流程的官僚问题。
OpenAI与Anthropic罕见合作：竞争对手联手测试AI安全
OpenAI和Anthropic完成联合评估，用内部工具测对方模型并公开结果。测试覆盖指令层级、越狱等四大领域，还发现不少细节和道德困境情况。此次合作意义重大，为行业树立安全合作先例。
谷歌新发现：DeepSeek推理分裂出多重人格，左右脑互搏越来越聪明
谷歌研究表明，DeepSeek - R1等顶尖推理模型解题时，内部会自发“分裂”出不同性格虚拟人格，像在进行社交、辩论会，且越“吵”越聪明。团队借助SAE解码其脑内群聊，还发现‘哦！’能提升推理准确率。
Anthropic再次声明：Claude降智问题已解决。网友：我累了……
Anthropic发布声明，称已解决影响Claude响应质量的两个问题，这是10天内第二次修复。此前Claude就出现过质量下降问题，引发‘降智阴谋论’，还让其失去一批订阅用户，且上次修复存在‘先瞒后报’情况。
隐形束缚：RLVR为何无法突破LLM的推理边界？
大型推理模型进展依赖带可验证奖励的强化学习（RLVR），但它能否扩展模型推理能力存疑。本文通过理论证明与实验，揭示RLVR存在“隐形束缚”，只能在基座模型初始能力内优化，难以发现新解。
人形机器人市场，电池厂商看不上｜甲子光年
市场认为人形机器人会成动力电池厂商‘第三增长极’，但厂商却不看好。因该市场规模小、无标准、研发成本高、利润低，且机器人续航差、商业逻辑不明，提前布局回报难测，对厂商是赔本买卖。
等了十年，特斯拉Robotaxi终于上线！马斯克：仅需4.2美元一口价
上周日，特斯拉在德克萨斯州奥斯汀启动Robotaxi服务，首批乘客4.2美元一口价。服务限定试运营，覆盖区域受限，车内有安全监控员。目前体验平稳但不成熟，未来能否后发先至待验证。
最强多模态模型也拿不到30分？DeepImageSearch定义相册搜索新范式，开启个人视觉记忆的深度搜索时代
人大窦志成教授团队联合OPPO研究院提出DeepImageSearch图像检索新范式，将其从“逐张语义匹配”推向“语料库级上下文推理”。团队构建评测基准DISBench，用ImageSeeker框架评测主流模型，结果显示最强模型单次完美解决查询比例不超三成。