「专家质疑」共找到 792 篇相关文章
OpenAI深夜开源HealthBench，60个国家合力开发5000段真实对话
今天凌晨1点30，OpenAI开源医疗大模型测试评估集HealthBench。其5000段核心测试对话由60个国家/地区的262名医生打造，采用多轮对话测试。测试显示大模型在医疗保健领域表现显著提升，还介绍了其构建及评估等情况。
68页论文再锤大模型竞技场！Llama4发布前私下测试27个版本，只取最佳成绩
《排行榜幻觉》论文指出Chatbot Arena存在问题，如少数大厂私下多版本测试选最优、数据访问不平等、用Arena数据训练可提性能、模型被大量静默弃用等，研究团队给出改进建议，官方也进行了回应。
OpenSandbox：重新思考 Agent 时代的 Runtime｜QCon 北京
4月16 - 18日QCon全球软件开发大会将在北京举办，聚焦Agentic AI时代软件工程重塑。阿里陶宇田将分享《OpenSandbox：重新思考Agent时代的Runtime》，结合阿里实践解析关键设计与经验，大会还有20多个专题论坛。
Agentic AI 时代，软件工程如何被重塑｜QCon北京2026即将开幕
QCon全球软件开发大会·2026北京站4月举办，以“Agentic AI时代的软件工程重塑”为主题。大会有主题演讲探讨Agentic AI边界，设多个专题解析工程化核心，还关注AI向物理世界延伸，讲师分享一线实践经验。
Meta AI大裁员，华人大佬田渊栋被裁了？！Alexandr Wang “嫡系”部门还在重金招聘
据 Axios 报道，Meta 从 AI 部门裁撤数百岗位，涉及多个团队，但新成立的 TBD Lab 不受影响且仍在招聘。Meta 认为长期 AI 团队官僚，想借此让团队更高效。华人科学家田渊栋称受裁员影响。
Oracle 推出 MySQL AI
Oracle 推出仅在 MySQL 企业版提供的 MySQL AI，用于处理分析和 AI 工作负载。它有向量存储等功能，新 AI 引擎含四大核心组件。但 MySQL 社区担忧社区版未来及供应商锁定问题。
刚刚，Anthropic 成立了个 AI精神病学团队，正在招人
Anthropic宣布成立「AI精神病学」团队，作为可解释性研究一部分，将研究模型人格、动机等致其行为异常的因素。团队现正招聘研究科学家，不过此举措也引发争议。
谷歌AlphaFold得了诺奖，但DeepMind根本没引用前人论文？
AlphaFold获诺奖引发争议。2016年Vladimir Golkov博士在NeurIPS提出的研究或为其「原型」，导师Daniel Cremers质问DeepMind为何不引用。此外，AI界大佬指出早有相关研究，AlphaFold并非孤立贡献。
宇树机器人租不出去了
2025开年，宇树机器人因春晚表演成“顶流”，人形机器人租赁爆发。但热潮渐退，其租赁市场萎缩，复购率低。技术上实现简单动作难，商业化前景存疑，行业凸显理想与商业的矛盾。
Codex在推理框架上能蹬出什么优化
作者复盘用Codex在SGLang中的实践，原本需3 - 4个月的工作量现缩短为1个半月。介绍保证代码质量方法，分享印象深刻的debug经历，列举在SGLang用Codex一个月的优化成果，还提及Claude Code使用遇阻。