「可验证」共找到 4764 篇相关文章
突破Pass@1瓶颈：一种让LLM自我博弈、永不枯竭的RL新范式，超越基线22.8%！
近年来，基于可验证奖励的强化学习（RLVR）在提升大型语言模型（LLM）推理能力上有关键作用，但存在熵崩溃问题。论文提出SVS创新策略，让模型自我合成变分问题形成自我提升循环，实验效果惊人。
CNSNS｜西工大曹文博、张伟伟：克服优化求解器中的损失条件数瓶颈：一种良性损失函数
基于优化的偏微分方程求解方法受关注，但实际慢于经典迭代求解器。本文从条件数角度审视效率瓶颈，指出标准MSE损失导致条件数平方放大、减缓收敛。提出稳定梯度残差损失SGR，在收敛速度与稳定性间建立平衡，实验验证其有效性。
杀疯了！单卡4090跑通全量微调，面壁1B级多模态性能怪兽硬刚大厂
面壁智能推出MiniCPM-V 4.6，参数约1B，性能和推理效率出色。它在多模态任务综合能力、推理速度上领先竞品，靠ViT架构改造和4倍/16倍混合视觉Token压缩实现创新，有工业验证，对开发者和普通用户意义大。
vivo AI Lab提出自我进化的移动GUI智能体，UI-Genie无需人工标注实现性能持续提升
香港中文大学MMLab和vivo AI Lab团队提出自我进化框架UI - Genie，构建奖励模型UI - Genie - RM解决轨迹验证难题，通过数据生成和模型迭代闭环实现智能体与奖励模型双向增强，在多基准测试中表现出色，打破人工标注瓶颈。
SDD-RIPER 团队落地指南：如何让整个团队在一周内跑通大模型编程
文章提供了 SDD - RIPER 团队落地方案，能让团队一周内跑通大模型编程，质量可控、效果可量化。阐述了推不动大模型编程的痛点及 SDD - RIPER 的解决办法，介绍了部署、实操流程和试点 SOP，还给出效果数据与常见问题解答。
从工具到生命形式：OpenClaw 引发的 Agent 再思考
InfoQ《极客有约》X QCon 直播邀业内专家探讨 OpenClaw 落地难点。专家认为，这波 Agent 热潮验证了复杂工作可被系统承接，也指出 OpenClaw 虽非生产级产品，但推动了全民 Agent 浪潮，同时探讨了模型与编排层结合、记忆系统等问题。
交互式世界模型来了：不止理解世界，更要改造世界
8月17日，智象未来发布交互式世界模型HiDream - O1 - World，定位为全球首款原生全模态交互式世界模型。它提供漫游和编辑两种交互方式，在WBench测试中成绩优异，但开放场景表现待验证。其采用独特生成方式，有广阔应用前景。
64小时搞定，Claude自主设计出威胁120万人致命蝎毒结合蛋白，湿实验已测通
Anthropic利用Claude大模型，仅耗时64小时就自主设计出可结合致命蝎毒的蛋白质，人类仅提供初始提示，后续全由模型自主推进，最终湿实验验证17个设计成功达标，相关数据已全部开源，为解决热带地区蝎毒致死问题提供了新的AI路径。
不踩点不微调！Figure最新模型盲测30个家庭：首次实现零样本全身泛化
人形机器人公司Figure发布最新端到端具身模型Helix 2.5，在30套未采集训练数据的陌生住宅开展全盲家务测试，验证Index预训练可让模型实现零样本全身泛化，整体成功率56%，远高于对照组的9%，证明人形机器人跨场景迁移的工程可行性。
突发！Anthropic宣布Fable 5.1仅用一条提示词突破粒子物理“九圈”难题
本文报道Anthropic团队用搭载Fable 5.1的Claude Science平台，仅靠一句提示词，让AI自主完成粒子物理领域卡壳多年的N=4超杨-米尔斯理论九圈散射振幅计算，结果经原纪录保持者验证正确，总成本仅千余美元，展现了AI在科研领域的突破能力。