「大模型自信问题」共找到 9489 篇相关文章
Kimi团队深夜潜入Reddit开了场AMA，他们都聊了些什么？（据说代号4494就是杨植麟本人）
今日凌晨，Kimi团队在Reddit社区开展AMA交流，解答大家疑问。期间回应Claude蒸馏争议，探讨编程写作侧重、小参数模型需求、缩放定律等问题。K2.5表现出色，K3值得期待。
OpenAI发布权威AI科研基准，扯下AI遮羞布：奥赛金牌≠一流科学家！
OpenAI在2025年12月16日发布FrontierScience基准，用超700道题从物理、化学、生物维度考验AI科研推理能力。评测分竞赛和研究赛道，初测显示GPT - 5.2领先，但前沿模型仍有诸多问题。
JinaVDR: 一个图文混排文档搜索任务的基准集
现有文档检索基准大多只考虑纯文本，难以处理含图表等视觉信息的文档。JinaVDR 应运而生，它是图文混排文档搜索基准集，含多语言、多领域数据，可评估模型在复杂视觉文档的检索性能。
当「提示词工程师」开始像制片人一样思考，Seedance 2.0 Skill OS 深度解析！
AI 视频工具圈存在模型强但使用方式单一、信息孤岛和提示词‘玄学化’问题。`seedance - 2.0` 仓库搭建‘操作系统’，将‘提示词’升级为可审计制作流程，还给出各岗位产出表和使用方式。
腾讯提出SPO，告别Group
腾讯团队提出Single - stream Policy Optimization（SPO），回归单流策略梯度范式，解决组基方法瓶颈。它有多项亮点，如告别组同步、采用自适应价值跟踪等，在实验中提升了模型性能和训练吞吐。
AI下半场的战场，从Agent记忆体正式打响
OpenClaw开源项目爆火，标志AI进入下半场走向真实应用。关键在于解决AI在现实中持续干活的问题，核心是Agent Memory。论文梳理该赛道，指出其是系统级记忆体结构框架，未来关键在memory策略可学习。
谨慎用OpenClaw：上海科技大学发布其全面安全体检报告
上海科技大学联合上海人工智能实验室对爆火的智能体OpenClaw做安全审计，在34个测试场景中，整体安全通过率58.9%，暴露出多方面问题，研究据此给出纵深防御策略。
微软重磅开源！22K星的 VibeVoice 再添新成员，60分钟音频 ASR 端到端统一输出！
现在的 ASR 模型处理长音频存在断章取义、说话人错乱等问题。微软开源 VibeVoice-ASR，可一次性处理 60 分钟音频，实现“三位一体”输出，补齐 VibeVoice 生态，还介绍了特点、架构、使用方法与应用场景。
更多非共识，Test-time Scaling 能否一直大力出奇迹？
机器之心PRO会员通讯解读三个AI业内要事，包括Test - time Scaling非共识、Skills与MCP谁是大模型的HTTP时刻、OpenAI打造最强平台等问题，探讨流行路线局限、Scaling改进方向等。
当人们误解了AI的本质，会发生什么？
文章指出尽管科技公司CEO宣称AI强大，但大语言模型无人类智慧。人们误解AI本质危害多，如将其当精神导师、用AI替代人际互动等，还揭露产业背后廉价劳工，强调要认清AI本质。