「可验证推理」共找到 6170 篇相关文章
沉浸式翻译杀疯了！双重开源：左手像素级还原PDF排版，右手本地AI隐私保护！
沉浸式翻译是跨平台在线翻译工具，有网页、文档等翻译功能，获千万用户与Chrome年度殊荣。近期开源BabelDoc和OneAIFW，前者还原PDF排版，后者保护本地隐私，解决阅读和安全问题。
谷歌发布 Gemma Scope 2，深化对 LLM 行为的理解
Gemma Scope 2 是谷歌推出的解释 Gemini 3 模型行为的工具，结合稀疏自编码器和转码器，能让研究人员检查模型内部表示。它从多方面扩展了原先的 Gemma Scope，还引入针对聊天机器人的分析工具，已发布权重。
480万人围观的Claude code实战使用指南进阶来了：一文讲清Skill，子代理和MCP
Eyad发布Claude Code开发实战进阶篇，深入剖析其底层系统的Skills、Subagents和MCP connectors三大核心能力。通过对比，突出Claude Code在上下文窗口上的优势，还介绍了各功能用法及复合效应。
告别“一眼定生死”：Agent-as-a-Judge 开启 AI 评估的下半场
过去两年，LLM-as-a-Judge成评估界“黄金标准”，但面对复杂任务力不从心。论文《A Survey on Agent-as-a-Judge》指出，应从单一的大模型裁判进化为具备行动能力的智能体裁判，还阐述了其优势、发展阶段等。
吴恩达：图灵测试不够用了，我会设计一个AGI专用版
AI大神吴恩达2026年要做新的图灵-AGI测试，弥补AGI定义无统一标准、现有基准测试易误导大众的空白。该测试聚焦AGI经济性和实际产出，能更好衡量AI通用能力。
认知重建：Speckit 用了三个月，我放弃了——走出工具很强但用不好的困境
本文作者分享使用 Speckit 三个月的踩坑经历，探讨 AI 编程工具落地难题。介绍复合工程与上下文工程理念，提出 AI 工程化方案，对比传统工具，阐述其设计、落地策略及未来趋势，助力解决企业开发痛点。
一年后，DeepSeek-R1的每token成本降到了原来的1/32
几天前，DeepSeek更新R1论文至86页，公开训练全路径等细节。英伟达发表博客展示在Blackwell GPU上对其降本增效，通过软硬协同提升每瓦特Token吞吐量，还介绍了TensorRT - LLM软件及相关技术提升性能的情况。
个人AI知识库的最优解
作者认为2026年搞个人AI知识库，自己的东西放Obsidian，别人的放NotebookLM。介绍了Obsidian接入AI的两种方法，还称NotebookLM性能强，最后总结这两套方案最适合个人。
结构化预处理让DeepSeek准确率提升51%，现已开源丨清华&深言
零成本降低大模型幻觉新方法LingoEDU，让DeepSeek准确率提升51%。它对上下文精准切分，形成篇章结构树。能解决现有方案两难困境，在多方面实验表现出色，有根治幻觉等核心价值。
Andrej Karpathy：一场里氏 9 级的大地震正在重塑整个编程行业
文章围绕AI在编程领域的应用展开，作者与大师交流AI Coding方式，后提及Andrej Karpathy观点，指出编程行业正被重构，程序员需掌握新抽象层，应对不稳定智能系统。