「同质化评估」共找到 1447 篇相关文章
6个做AI和ML的奇技淫巧
作者整理了6个做AI和ML的技巧，如提前结束评估、超参数过度优化、精心挑选数据集等，指出现在90%的模型可能都用到其中不止一招，还介绍了自己用AI采集资讯发布到知识星球。
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。
90后华人副教授突破30年数学猜想！结论与生成式AI直接相关
90后华人数学家Yuansi Chen攻破困扰数学界30多年的塔拉格兰卷积猜想，论文精确到一个log log η因子。此研究为理解高维离散空间平滑化提供论证，与机器学习、生成式AI密切相关。
炸裂！Claude以第一作者写论文反驳苹果「推理模型根本没有推理能力」：苹果有三大错误
苹果论文称推理模型无推理能力，引发争议。Anthropic的Claude Opus以第一作者写论文反击，指出苹果研究有混淆‘推理失败’与‘输出截断’等三大问题，还通过实验证明模型能力，强调需更聪明评估方法。
阿里SkillClaw：让 Agent 技能在真实使用中集体进化
当前LLM Agent依赖可复用技能完成任务，但技能部署后静态不变，改进仅停留在当前会话。阿里SkillClaw提出中心化进化架构，将多用户交互作为技能改进信号，通过Agentic Evolver更新技能，经夜间验证后部署。
刚刚，Anthropic首超OpenAI！暴买谷歌TPU，Claude杀疯了
Anthropic与谷歌、博通合作打造3.5 GW TPU集群，预计2027年上线。其年化收入破300亿美元首超OpenAI，客户呈指数级增长。但训练和推理成本高，与OpenAI都在冲刺IPO，竞争激烈。
Anthropic 的 Harness 设计：build to delete
Anthropic工程博客发布Harness设计文章，探讨Claude完成全栈应用开发任务。指出单Agent模式问题，采用GAN式对抗、三Agent编排，对比单Agent与多智能体产出，还介绍调教评估者及编排简化，提出Build to Delete原则。
Anthropic 发布第四份人类经济指数报告：AI 对全球工作的影响仍然不均衡
Anthropic发布第四份经济指数报告，提出“经济基元”概念，用五个基础指标衡量AI使用情况。报告发现任务越复杂，AI加速效果越明显，不同国家使用方式有差异，还提及“去技能化”等情况及对生产力的影响。
传感器如何赋能精细化工行业？丨郭源生细说传感器
文章聚焦精细化工行业的智能传感器，阐述其应用前景、产业现状等。指出传统传感器短板，介绍前沿技术与传感器融合方案，预测市场规模与用量，分析智能化瓶颈并给出突破路径与建议，推动行业高端化升级。
瞄准AI、图形顶端战场：摩尔线程上演国产GPU硬核实力路演
摩尔线程首届 MUSA 开发者大会集中亮相技术体系。发布新一代统一计算架构 MUSA 路线图，介绍新架构、芯片及万卡集群，还涉及前沿布局，发起开发者培训，推出 AI 算力笔记本，宣告国产算力自主化时代加速到来。