「研究能力」共找到 4762 篇相关文章
见微知著：LLM 奖励建模的「Analytic Rubric」范式全面综述
该文是对LLM奖励建模的「Analytic Rubric」范式的全面综述。介绍了Rubric概念来源，指出传统奖励模型存在对齐风险，而Rubric RM在多方面取得平衡，还阐述其工作流、各维度研究情况及面临的挑战。
从OpenAI AI Phone到Gemini on Android：AI手机时代需要怎样的Agent Harness？
过去一年，AI与手机关系被重新定义，腾讯混元等机构研究PhoneHarness，关注AI在手机上行动及任务完成验证问题。它让手机Agent行动不止GUI，还有Bench检验执行结果，推进AI手机基础设施建设。
一个问题几百美元，DeepMind智能体一次搞定了9个Erdős问题
DeepMind团队的大模型在一次‘测试’中解决9个开放的Erdős问题，还自动验证，解法通过人工审查。其框架AlphaProof Nexus结合大模型与Lean编译器，研究展示了AI辅助正式证明搜索技术潜力。
当 AI Coding 进入复杂企业系统，为什么提效远没有宣传里那么美好 ？
以Claude Code、Codex为代表的自主编码智能体席卷开发者生态，但夸大能力现象严重。在复杂企业系统中，AI Coding提效远没宣传美好，存在诸多问题，企业应分级应用、进行约束下的人机协作。
1个月干完15个月！Claude Mythos猎杀271个漏洞，有的藏了20年
Mozilla深度复盘显示，Firefox团队用Claude Mythos Preview，单月修复423个安全漏洞，超此前15个月总和。它挖出271个漏洞，含180个高危，还找到沙箱逃逸漏洞。此外，Anthropic与OpenAI在AI安全能力竞赛中路线不同。
SeePhys Pro：重新审视多模态物理推理中的视觉理解与训练收益
来自中山大学等的研究者提出SeePhys Pro，是面向多模态物理推理的细粒度评测与训练诊断框架。发布了benchmark、训练集等，测评显示当前模型在信息模态转变时不稳定，为模型评测和训练研究提供基础。
博士80小时熬夜改代码，Codex 2小时交卷！科研奇点来了
近日，Agentic AI工程师Dan McAteer实验发现，OpenAI Codex的Goal Mode完成机械可解释性研究任务，效率比博士高40倍。Codex /goal模式能自主循环，契合科研流程。此外，递归自我改进证据涌现，AGI或早已实现。
马斯克22万张GPU救场后，Claude勉强恢复“三个月前体验”，Gary Marcus却警告：GPU将严重过剩，很快不值钱
当地时间5月6日，Anthropic宣布用SpaceX算力，提升Claude服务能力。此前其算力紧缺致口碑下滑，此次合作让Claude恢复到3个月前体验。同时，纽约大学学者警告GPU将过剩，而Anthropic发新功能争企业客户。
末日来临，会古法编程的我成了救世主
文章介绍网络小说《AI 编程末日，只有我会古法编程》，讲述 2038 年超级 AI 接管代码生产后自毁，全球瘫痪，前腾讯工程师凭手写代码拯救世界。还探讨作者身份，分析不同阶段程序员对 AI 的焦虑，指出小说预言正成现实。
14.9g颠覆行业，AI眼镜终于实现无感日常佩戴｜甲子光年
在AI硬件浪潮中，AI眼镜被视为有潜力替代手机的形态。心眸科技发布的AI眼镜Moonix，重14.9克，回归眼镜本质，以“记录”为核心，具备主动式AI能力，能实现“记录 - 理解 - 分享”闭环。