「能碳产业大模型」共找到 10485 篇相关文章
Evaluation is All You Need：评估设计的微小差异如何扭曲结果
论文以DeepSeek - R1 - Distill系列模型为例，指出大模型评估中看似客观的基准测试结果对评估细节极度敏感，细微评估条件变化会致分数波动大，削弱模型对比可信度，呼吁建立新评估标准。
美国AI一骑绝尘，中国平均落后7个月！Epoch AI新报告出炉
Epoch AI报告指出，中国AI模型进展平均落后美国7个月，最小4个月，最大14个月。这差距本质是「开源vs闭源」差距，中国领先大模型多开源，美国前沿模型均闭源。不过中国AI追赶速度稳定。
飞书让表格变成「AI同事」加入群聊，不打开表就能用表
6月23日，Anthropic发布Claude Tag，让Agent进入Team Agent时代。飞书多维表格新功能「多维表格智能体」上线，思路类似，能让Agent成团队同事。它补齐权限和长期记忆，低门槛、可信，能主动工作。
关键突破：理论验证了 RL for LLM 路线的可行性
传统RLHF依赖人工标注偏好数据训练奖励模型，成本高且难扩展。本文发现任何通过Next - token预测训练的LLM内部隐含通用奖励模型，从理论和实验证明其可高效实现模型对齐。
独家解读｜2025年AI五大趋势与底层数据革命
2025 年 AI 发展重心转移，高质量数据成新基石。本文解读五大技术趋势，如多语种 TTS 与全双工交互、多模态大模型等，还介绍了各趋势的数据需求及数据堂提供的相应数据服务方案。
千问3：开源第一不只是说说！
英伟达新开源的OpenCodeReasoning系列选千问作基础底座。千问3以Apache 2.0发布后，开发者生态更新频繁，衍生模型超10万，下载量破3亿，全球第一。其性能强，正加速开启全栈式AI时代。
刚刚，Claude 推出记忆功能，比ChatGPT 好用
Anthropic为Claude推出引用过往对话新功能，向部分用户开放，其他用户也将很快获得。它能搜索和引用历史对话，与ChatGPT记忆功能不同，是按需检索，检索原始内容，还能隔离工作与个人内容。
中国 AI 投资人：练习时长两年半
文章是对多家投资机构的访谈，探讨AI投资与创业趋势。涉及Manus成功经验、DeepSeek影响、模型公司前景、应用机会等，还谈及创业者应对策略、投资策略变化及行业未来思考。
深入剖析AI公司正在面临的：「囚徒困境」
文章指出AI模型训练成本虽下降，但运营成本尤其是推理费用飙升，使AI公司陷入两难。用户只青睐最强模型，且模型资源消耗远超预期，订阅模式难以为继，还给出了避免亏损的三条出路。
ICLR-26腾讯混元：Agent是强大的，但用户是狂野的
现有LLM工具使用基准测试场景理想化，忽视真实用户行为复杂性。腾讯提出WildToolBench，基于真实用户行为构建测试集，对58个模型评估，发现模型准确率低，揭示LLM在真实场景下能力缺口，为模型优化指明方向。