「可验证评分机制」共找到 1751 篇相关文章
UIUC清华微软联合提出PlugMem：当Agent记忆告别「经历」，开始存储「经验」
随着大语言模型Agent长期运行，‘记忆该如何设计’成核心问题。UIUC、清华、微软联合提出PlugMem，将记忆拆分为三类，以知识为单位存储，在三类任务中验证其有效性，为Agent长期记忆设计提供新思路。
一个问题几百美元，DeepMind智能体一次搞定了9个Erdős问题
DeepMind团队的大模型在一次‘测试’中解决9个开放的Erdős问题，还自动验证，解法通过人工审查。其框架AlphaProof Nexus结合大模型与Lean编译器，研究展示了AI辅助正式证明搜索技术潜力。
构建 Claude Code 的经验：我们如何使用 Skills
本文来自Anthropic内部团队，总结构建Claude Code使用Skills的经验。介绍Skills类型，如库与API参考、产品验证等；给出编写技巧，涵盖避免说废话、建踩坑点章节等；还提及分发、管理及衡量效果的方法。
首个完整开源的生成式推荐框架MiniOneRec，轻量复现工业级OneRec！
中科大LDS实验室与Alpha Lab团队联合开源MiniOneRec，是生成式推荐首个完整端到端开源框架。它验证生成式推荐Scaling Law，可轻量复现OneRec，提供一站式训练与研究平台，技术优势明显。
LightMem用3招重新设计了LLM的记忆，结果出乎意料
LLM在超长多轮对话中有上下文窗口有限、记忆系统昂贵的痛点。LightMem借鉴人类记忆机制，用三招重新设计LLM记忆，实验显示其准确率超基线，还降低token使用量、API调用和运行时间。
Jina Reranker v3: 全新“列式”重排器，0.6B参数刷新文档检索SOTA
Jina AI推出第三代重排器Jina Reranker v3，在多语言检索基准上刷新SOTA。它参数仅6亿，有“last but not late”交互机制，能一次性处理查询和文档。还提供动态量化格式，方便不同硬件部署。
一文读懂DeepSeek-V3.2核心技术DSA：API疯狂降价性能不减的背后
DeepSeek发布实验模型DeepSeek V3.2，引入自研稀疏注意力机制DSA，API价格最高降75%。DSA先筛选后计算，含闪电索引器和稀疏多潜在注意力两组件，分四步工作，权衡了精确性与速度。
刚刚，LeCun团队开源首款代码世界模型！能像程序员一样思考的LLM来了
Meta官宣发布代码世界模型CWM，将世界模型引入代码生成任务。它基于编程和世界建模数据训练，能模拟程序执行与交互。在编程基准测试中表现不错，算是Meta的概念验证，目前可看作Demo。
4个月11万用户、Claude Code成了，Dogfooding该被AI公司重视起来了
Dogfooding（内部试用）应被AI创业公司重视。Anthropic推出的Claude Code源于内部工具孵化，经内部使用和场景验证后发布，四个多月获11万开发者用户，其成功说明深度内部试用是竞争优势。
deepseek-V4算法工程技术深入浅出
文章围绕deepseek V4技术报告展开，指出当前大模型训练不充分，介绍了算法层面如混合注意力机制、模型结构优化、优化器等，工程层面如细粒度专家并行、算子内核开发等，以及后训练的范式转变和领域专家网络蒸馏等内容。