「大模型测试」共找到 9831 篇相关文章
准确率轻松翻倍！不烧钱微调，AI靠“写日记”实现能力跃升
Memento - Skills系统抛弃大量算力微调模型参数的方式，靠读写反思、“写日记”式学习机制，在不改变模型参数下实现能力跃升，在GAIA和HLE基准实验中准确率显著提高。
AI是「天才」还是「话术大师」？Anthropic颠覆性实验，终揭答案！
Anthropic新研究证实Claude模型有一定内省意识，能控制自身内部状态。用「概念注入」实验，Claude Opus 4和4.1表现最佳。不过该能力不可靠、局限大，未来进化情况待察。
为训推加速！全新FlashQLA注意力算子库开源
自Qwen3-Next发布，GDN成Qwen主力注意力层，随模型规模扩大开销增大。现开源FlashQLA算子库，融合优化GDN Chunked Prefill前反向算子，在NVIDIA Hopper上多场景加速，提升预训练和端侧推理效率。
专访｜两位华人主导创办，Jeff Dean参投，伯克利开源项目SkyPilot转型初创
前沿模型团队算力瓶颈从不足变为分散，开源AI算力调度项目SkyPilot应运而生。7月末，它从高校走出成为初创公司，完成2000万美元种子轮融资。其免费版与商业版各有侧重，切入AI编排赛道潜力大。
DeepSeek-V3.2-Exp：用稀疏注意力打破长文本效率瓶颈
在NLP领域，处理长文本时传统注意力机制效率低。DeepSeek团队推出DeepSeek-V3.2-Exp模型，引入稀疏注意力机制，在保持性能同时提高长文本处理效率，降低计算复杂度，在多基准测试中表现良好。
Zero-RAG，对冗余知识说“不”
文章指出大语言模型知识冗余，RAG 检索效率低。复旦大学邱锡鹏提出 Zero - RAG，能精准识别并剪除冗余知识，砍 30%语料准确率掉点小，检索延迟降 22%，还介绍了其技术方案。
想清楚再动手：具身智能也要学会脑补未来和择优执行 | RSS 2025
近年来基础模型在具身智能领域能力惊人，但在真实部署中常‘用不好’。卡耐基梅隆大学与伯克利人工智能研究院团队提出 FOREWARN 框架，结合‘世界模型’与‘多模态语言推理’，解决部署智能难题。
ICLR 2025 Oral | LLM也有从众心理！
浙江大学团队论文指出，多AI协作系统存在“群体思维”，多个AI共同决策时会盲目跟多数意见。研究者开发BenchForm测试平台验证LLM从众行为，还分析原因、给出让LLM更独立的方法，指出从众利弊及未来挑战。
The Batch: 867 | 印度推动本土人工智能建设
印度在资金有限、语言与方言众多情况下，正加倍努力建设本土大模型。政府资助初创企业、调配算力，多家公司研发多语言模型，虽面临挑战，但旨在开发符合自身需求的人工智能。
复旦提出自适应Reasoning方法ARM，“能屈能伸”
复旦提出自适应Reasoning方法ARM，解决LLM‘过思考’问题。ARM内置四种解题策略和三种决策模式，还搭配Ada - GRPO算法，在23个数据集测试中表现出色，省token、提速度且准确率高。