「事实准确率」共找到 381 篇相关文章
谷歌新研究：大模型“吵架”有利于提升推理质量
谷歌新研究发现高级推理模型自发进化出'思想社会'，研究人员用LLM - as - judge方法识别出多个虚拟人格。还找到控制现象的'开关'，实验表明教AI'吵架'更有效，其'社交技能'通用，给开发者带来新启示。
不到百万级，看不见 MCP 的真实问题：创始人亲述这疯狂的一年
MCP 联合创作者 David 复盘其发展，从开源协议到行业事实标准，经历多阶段演进。他指出做对死磕标准 HTTP，踩坑让关键能力成可选致双向能力被削，规模达百万级有扩展性问题，还谈及多方面发展与规划。
马斯克抢先谷歌一步放大招，Grok 4.1登顶LMArena，创意写作直逼GPT-5.1
谷歌Gemini 3将上线消息正热时，马斯克旗下xAI的Grok 4.1凌晨上线。它有两个“形态”，免费开放且有APP版。在LMArena测试中表现优异，事实稳定性、情商、创意写作等能力提升，实测也有不错表现。
一篇综述：知识图谱的3种类型，6大推理任务
知识图谱（KGs）在认知智能系统中作用关键，知识图谱推理（KGR）能基于现有事实推断新知识。文章综述了3种知识图谱类型、6大推理任务，介绍推理方法、应用，还指出KGR面临的挑战与机遇。
Meta提出Deep Think with Confidence：几乎啥都不用动，就能提升推理的准确性与效率
传统自一致性方法虽能提升推理准确率，但计算开销大、收益递减。Meta AI与UCSD团队提出Deep Think with Confidence（DeepConf），可在不增训练成本和不调超参数下，提升推理准确性与效率，本文对其全面解读。
Qwen 3-235B Aider编程能力击败Claude3.7，成本便宜百倍
Qwen3-235B-A22B在Aider多语言编码基准初步测试中击败Sonnet 3.7 Thinking和OpenAI o1，成本便宜150到600倍。Qwen3-32B准确率超GPT-4.5和GPT-4o ，代码编辑格式正确率达100%。
三年连下三癌，阿里AI跑通了多癌筛查
4月21日，阿里达摩院和广东省人民医院等机构研究登《肿瘤学年鉴》。其研发的AI模型DAMO COCA从平扫CT揪出5例漏诊肠癌，准确率超医生。此前，该团队已推出胰腺癌、胃癌筛查模型，跑通‘平扫CT+AI’多癌筛查路线。
100年后 K8s 还会存在吗？创始人 Brendan Burns：它将像 Linux 一样消失在 AI 之下
Kubernetes联合创始人Brendan Burns在访谈中回顾其诞生背景，指出Google开源K8s是为掌握技术演进主导权。他认为K8s虽成事实标准，但也有上限，未来或如Linux般成底层系统，100年后难原封不动存在。
华为超树HTP：不写示例、不调PDDL，AI规划约束通过率飙升62.6%
文章介绍华为超树HTP，它是完全自主、可泛化的推理新范式。能让LLM在超树结构上完成规划，不依赖人工示例和外部规划器，在复杂规划benchmark上实现SOTA准确率并降低token成本，还阐述其原理、创新点及应用实例。
同一个模型，换套框架成绩差27%：SWE-bench分数到底谁说了算？
编程Agent评测是笔糊涂账，SWE - bench虽成事实标准，但分数不适合直接横向比较。基元律动等机构发布Claw - SWE - Bench基准，将模型、harness和任务集拆分，通过实验揭示harness对成绩影响大，还解决通用Agent评测问题，推出低成本Lite版。