「评估指标」共找到 945 篇相关文章
Nature：博士太多，高校已经装不下了！
过去几十年全球博士毕业生数量爆炸式增长，远超学术界职位空缺。如今就业从学术界转向工业界，未来博士教育培养模式应转变，产学研结合，以匹配劳动力市场。
大模型全员0分！谢赛宁领衔华人团队，最新编程竞赛基准出炉，题目每日更新禁止刷题
谢赛宁等人出题，让o3、Gemini - 2.5 - pro等模型全军覆没。LiveCodeBench Pro是实时基准测试，题库每日更新。此前称LLM编程超人类专家，本次测试并非如此，最好模型难题通过率也为0。
智能体自己出现问题自己找！首次提出“自动化失败归因”课题 | ICML2025 Spotlight
LLM Multi - Agent系统失败诊断难，阻碍迭代优化。宾夕法尼亚州立大学等机构研究者首次提出“自动化失败归因”课题，构建Who&When数据集，开发评估多种归因方法，实验揭示当前方法不足。
开发者的快乐：提升开发者生产力更好的方式
开发者兼思想领袖Trisha Gee和Holly Cummins认为，快乐是提升开发者生产力的秘诀。文章从多方面探讨如何通过拥抱好奇心、减少摩擦等提高产出，还提及AI使用、生产力衡量等问题。
谷歌AlphaEvolve引发OpenAI关注：AI原创算法，正挑战人类专家界限
谷歌DeepMind推出的AlphaEvolve系统，结合Gemini模型与进化算法，能自主探索、生成并迭代优化算法代码。它优化经典算法，在多领域取得突破，其原创能力引业界关注，OpenAI研究员对此表示震撼。
LangFlow: 挑战离散扩散，探索下一代语言模型新范式
UIUC Ge Liu团队发布《LangFlow: Continuous Flow Matching for Large Language Models》，回归连续扩散架构。研究指出连续扩散受挫非先天缺陷，经优化，LangFlow让连续扩散在标准基准追平离散扩散，为多模态统一架构打通底层路线。
拒绝「降智、减配、乱收费」：面向LLM API的可信验证框架
大语言模型成AI应用基础设施，黑盒服务模式引发信任危机。研究者提出IMMACULATE审计框架，能在不暴露模型信息、仅1%额外开销下，验证黑盒LLM API执行完整性，检测违规行为，相关论文与代码已公开。
静态技能已死：cognee怎么让AI自己修自己的prompt
文章指出当前agent技能存在silent drift问题，Cognee作为开源知识引擎，将skills视为活的系统组件，通过Skill Ingestion、Observe、Inspect、Amend、Evaluate & Update五步实现自我进化，还介绍了相关应用及社区反应。
从金融本位到物理本位，真正的范式转移开始了
过去几十年，人们认为增长可由货币政策调控，但如今瓶颈转移。马斯克描述的闭环体现从“金融本位”到“物理本位”的范式转移，科技巨头已按此逻辑行动，锁定物理资源。
Linux之父又开喷：AI泡沫“病态扭曲、迟早暴跌”、马斯克式KPI“愚蠢到不该待在科技圈”
Linus Torvalds 在节目中谈诸多话题。他认为 AI 是泡沫且市场叙事病态，迟早暴跌，但也会改变社会和工作方式；不认同用代码行数衡量绩效，称此举愚蠢。还谈了对 Linux、Git、微软等看法，以及装机细节。