「记录面聊」共找到 600 篇相关文章
不是幻觉！Claude自下指令甩锅人类，百万上下文沦为降智重灾区
Claude深陷「角色混淆」Bug，分不清自己的话与用户指令，长上下文成了降智「重灾区」。开发者Gareth Dwyer记录了该bug，研究发现问题出在底层架构的角色标记缺陷。学术界也关注此问题，整个行业需系统性应对。
从 Rule、Spec 到 Harness：AI Coding 的渐进式建设路径
作者分享帮团队落地AI Coding经验，指出试点易但推广难，瓶颈在接收端。介绍从Rule、Spec、Loop到Harness的渐进式建设路径，各层前后相依，逐层收紧控制面，助AI在工程体系稳定交付。
CL-Bench的故事没有结束，生成式CL-Bench：GENIUS来了
北大团队发布GENIUS，用于评估模型生成式流体智力。它构建含510个样本、20个子任务的评测集，测试模型多方面能力。实验显示当前模型流体智力有短板，还提出免训练注意力校准机制提升性能。
AI编程真面目：完整项目通过率仅27% | 上交大新基准
多校联合团队发布ProjDevBench，评估AI编程智能体端到端项目开发能力。结果显示，六种主流智能体总体提交AC率仅27.38%，从零构建任务中性能大幅下滑，还揭示了智能体多方面短板。
刚刚，杨植麟亲自开源Kimi K2.5！国产大模型打架的一天
今天国产大模型热闹非凡，Kimi更新至K2.5版本。它是万亿参数的MoE基础模型，开源且在多项评测表现佳，视觉与编码能力强，还引入Agent Swarm功能，实测展示其解决各类复杂任务能力。
Runway重夺全球第一！1247分碾压谷歌Veo3，没有千亿算力也能干翻科技巨头
Runway Gen - 4.5击败谷歌Veo3，以1247的ELO分数在Artificial Analysis榜单中重夺AI视频王座。它在多方面树立新标杆，虽有局限，但创始人认为其是通用模拟引擎，应用场景广泛。
卧底硅谷AI独角兽60天：没有KPI，自觉996，不接受远程办公
本文揭秘了AI编程独角兽Cursor早期工作氛围。它招人不走寻常路，无KPI但员工自发996。产品聚焦提升专业开发者能力，奉行Dogfooding文化。靠使命驱动，两年成业界黑马，重产品轻利益。
节前重磅：开源旗舰模型新SOTA，智谱GLM-4.6问世
国庆前智谱AI发布新一代旗舰模型GLM-4.6并将开源，它在多方面提升，如编码、上下文长度等，评测性能佳，token消耗降低。经实测，其代码、研究、开发等能力强，成全球开源AI领域重要力量。
B站出海的强有力支柱：最新开源文本转语音模型IndexTTS-2.0标志零样本TTS进入双维度时代
B站Index团队开源文本转语音模型IndexTTS - 2.0，引发关注。它解决了传统AR模型时长控制难题，实现零样本TTS双维度控制，在多方面表现优异，为B站出海及AIGC应用奠定基础。
蚂蚁即将上线通用 Agent
蚂蚁百宝箱团队将在今年外滩大会正式上线 Tbox 超级智能体，其产品形态与部分平台相近，能让不同角色分工协作。实测显示它在多方面表现不错，但也存在细节不足，官网有诸多案例。