「方程发现」共找到 1056 篇相关文章
MiniMax 上市后的第一个开源：给 Coding Agent 立个规矩
2026 年初 MiniMax 成功上市港股，市值达 1100 亿港币。其上市后首个开源项目 OctoCodingBench 聚焦 Coding Agent 评估，解决规则复杂时 Agent 合规问题，为其立规矩，有重要社区价值。
一文搞懂 Agents 评测丨Anthropic 最新万字长文
传统模型评测方法难评估 Agent 系统，Anthropic 摸索出有效评测设计方法。文章介绍评测结构、意义、方法，涵盖编程、对话等 Agent 评测，还给出打造评测路线图及与其他方法结合的建议。
蚂蚁阿福对打ChatGPT Health，哪家强？
全球科技大厂在健康赛道竞争激烈，OpenAI推出ChatGPT Health，与蚂蚁阿福功能相似。对比发现，阿福在功能精细度、打通专业医疗服务上领先，二者都引入专家团提升专业性。
大模型幻觉的源头找到了！清华团队锁定大模型宁愿说谎也要讨好人类的神经元
清华大学研究团队深度解剖大语言模型微观机制，确认幻觉关联神经元存在，揭示其与过度服从行为相关。通过干预神经元激活状态可增减模型幻觉行为，为开发可靠 AI 系统提供靶点。
离了大谱，21%的ICLR 2026审稿意见竟是AI生成的？官方回应来了
刚过去的周末，围绕ICLR 2026审稿意见中大量AI生成说法引发热议。潘格拉姆实验室统计显示，21%审稿意见完全由AI生成。ICLR 2026官方回应正讨论应对措施。
AI时代的天工开物：分子之心掀起生物经济“操作系统”革命 | 甲子光年
生物经济正迈向工程化时代，分子之心作为AI蛋白质设计领军企业，携核心产品MoleculeOS入驻礼来上海创新孵化器。该平台升级后能力强大，还在构建生物经济‘新基建’，解决产业难题。
AI是「天才」还是「话术大师」？Anthropic颠覆性实验，终揭答案！
Anthropic新研究证实Claude模型有一定内省意识，能控制自身内部状态。用「概念注入」实验，Claude Opus 4和4.1表现最佳。不过该能力不可靠、局限大，未来进化情况待察。
从人工到AI驱动：天猫测试全流程自动化变革实践
AI时代，天猫技术质量同学探索AI在测试全流程提效的落地方案，将传统测试工作链拆解为五阶段，目标是实现全流程自动化等。介绍了测试体系变革、所需关键能力、技术架构及落地收获与未来趋势。
MCP Registry 预览版上线：AI 开发的统一服务目录
Model Context Protocol 推出 MCP Registry 预览版，这是开放的 MCP 服务器目录和 API，可改善服务器可发现性。注册表开源，分公共和私有子注册表，采用社区举报机制，设计类似 Docker Registry。
大模型解数学题是真懂还是 “死记硬背”？｜首个反例驱动的数学推理基准揭穿 “刷题式假象”！
随着大语言模型在数学领域应用渐广，其是否真具备数学推理能力成焦点。清华等团队提出反例推理评测基准COUNTERMATH，测试20+主流模型，结果不佳，而小样本微调能显著提升模型能力。