「任务特化训练」共找到 3687 篇相关文章
o3绞尽脑汁仅答对40%的题目，开源模型基本乱猜？MMSI-Bench：多图空间智能试金石
文章介绍了MMSI - Bench，这是用于评估MLLM多图像空间推理能力的VQA基准。它人工构建样本、全面分类任务、采用多样真实数据。实验显示MLLM在多图像空间推理有短板，还开发自动化错误分析流程助力改进。
Knowledge还是Reasoning？具体分析LLM答案正确，不代表思考过程靠谱的问题
斯坦福/加州大学团队指出大模型答案正确不代表思考过程靠谱，传统评估忽略思考路径问题。团队提出双维度评估框架，透视模型思考过程，还测试发现不同领域决胜关键、最佳训练法不同，且框架正解锁新场景。
一文读懂：国产AI芯片与英伟达的差距有多大？
文章围绕国产AI芯片与英伟达的差距展开。从算力性能、生态壁垒、市场现状、技术瓶颈等方面分析差距，指出国产芯片虽在部分场景缩小差距，但高端训练和生态成熟度仍落后3 - 5年，突围需多领域突破。
GitHub Copilot新代理把「自家人」逼疯了！
GitHub Copilot新智能体Coding Agent公测，官方想让它成协作开发搭子。但在微软仓库使用时问题多，多次提交失败、逻辑不通，未解决关键问题，虽能自动完成繁琐任务，但距‘靠谱搭子’还远。
大模型之后，AI 开始“自己动手”了
从生成式AI到Agentic AI，互联网从“信息获取”转向“任务完成”。全球科技巨头抢滩智能体，国内腾讯云升级智能体开发平台。腾讯吴运声表示，技术与业务需求双轮驱动其发展，还分享了应对落地挑战的办法。
吴恩达来信：AI 速度带来的价值被低估了
吴恩达指出，AI 不仅能降低任务执行成本，还能显著加快执行速度，其在创造商业价值方面的重要性常被低估。以编写代码、借贷审批等为例，说明提速能带来新价值，企业应关注可提速环节带动增长。
68页论文再锤大模型竞技场！Llama4发布前私下测试27个版本，只取最佳成绩
《排行榜幻觉》论文指出Chatbot Arena存在问题，如少数大厂私下多版本测试选最优、数据访问不平等、用Arena数据训练可提性能、模型被大量静默弃用等，研究团队给出改进建议，官方也进行了回应。
ScienceDiscovery实现树搜索驱动RSI，加速科学发现，小时级写出通用积分器，低成本找出物理科学规律
openJiuwen社区的ScienceDiscovery把科研试错交给程序，通过树搜索实现科研场景产物RSI。它能在多个案例中高效产出成果，成本低、耗时短，且底座灵活，可换算法和任务，但推广需解决验证速度和可信度问题。
RoboScience机器科学发布轮式仿人形通用机器人REX G1，让机器人真正成为新一代具身生产力伙伴｜甲子光年
8月17日，RoboScience机器科学发布轮式仿人形通用操作机器人REX G1，搭载自研的Visics通用具身大模型，面向多场景打造，能完成完整任务闭环。它将移动与操作融合，适应真实环境，具强大泛化能力且续航佳。
拟合接近满分，外推却会跑偏：Meta 给缩放律加了一个指数
大模型训练前，团队常用 Chinchilla 缩放律估算模型规模和数据量，但它在模型和数据极不平衡的边界预测易跑偏。Meta FAIR 提出的 Skaling 只增加一个耦合指数，降低外推误差，还采用 L 形采样降低试算成本。