「模型测试」共找到 8417 篇相关文章
LLM 竟然会内省！Anthropic 整了个大活：首次揭开 AI 意识
Anthropic最新研究《大语言模型中涌现的内省意识》，首次通过直接操控模型内部状态验证AI能否觉察自己思想。研究采用概念注入技术，发现AI有内省能力，且不同模型表现有差异。
CoT推理大溃败？哈佛华人揭秘：LLM一思考，立刻就「失智」
新研究揭示思维链CoT会分散模型「注意力」，使大模型推理时易出错。研究指出在需遵守指令任务中，用CoT推理模型准确率下降，还总结了四大模式，并提出四种缓解策略。
从零开始200行python代码实现LLM
文章从传统思路实现诗词生成器入手，介绍了词汇表、Bigram模型等概念，接着用Python和PyTorch实现了真正的Bigram模型，阐述模型、训练等内容，最后回顾成果，下一篇将基于此实现完整GPT。
从 GPT 到 Agent，技术与业务如何“双向奔赴”
InfoQ《极客有约》X AICon 直播栏目邀请徐文健、李陈忠、张昊阳探讨大模型产品落地路径。他们分享从 GPT 到 Agent 的经历、认知转变，讨论通用 Agent 及创业机会，还谈及 AI 产品难点和人才标准变化。
马斯克说到做到：开源X平台核心推荐算法
X（原Twitter）开源内容推荐Feed on X召回、精排推理、策略代码，模型参数配置较小，应是简化Demo版。召回用双塔模型，精排用双层Transformer，还介绍了系统架构、模型细节等。
从平面几何出发：形式化验证如何驱动MLLM的推理能力跃迁
多模态大语言模型在复杂数学与几何推理中有缺陷，现有训练方式让模型难有鲁棒推理能力。上海交大等团队提出“以形式化增强非形式化推理”方案，构建完整闭环，提升模型推理及泛化能力。
从开源狂热到应用为王，AI 正在回归常识
AI行业正发生变化，模型行业对“开源还是闭源”态度转向商业共识，旗舰模型开始闭源；应用变得更重要，应用层机会多；智能体重新定义AI价值边界，推动行业从“模型思维”走向“系统思维”。
Claude Code与Codex六大组件拆解
文章指出如今如GPT - 5.6等模型的裸能力相近，但装进Claude Code 或 Codex CLI 后表现差距大，原因在于Agent Harness。它将编码智能体拆解为六个核心组件，详细阐述各组件作用与意义。
把 MiniMax M2.7 扔进真实业务里：它替我省了 BI 和程序员的钱
作者测试 MiniMax M2.7，用含复杂数据的 Excel 测试其办公能力，让其开发管理系统验证工程能力，还测试 MaxClaw 多步骤 Agent。结果显示它表现出色，但处理复杂事件仍待优化。
美国AI一骑绝尘，中国平均落后7个月！Epoch AI新报告出炉
Epoch AI报告指出，中国AI模型进展平均落后美国7个月，最小4个月，最大14个月。这差距本质是「开源vs闭源」差距，中国领先大模型多开源，美国前沿模型均闭源。不过中国AI追赶速度稳定。