「可验证推理」共找到 6204 篇相关文章
最新实测GPT-5-Codex：前端能力碾压，复杂项目轻松搞定，Claude可以扔了!
OpenAI发布GPT-5-Codex，网友称可告别Claude Code。实测其前端能力提升大，能轻松完成复杂项目，如一键生成小游戏、手稿直出网页等。虽有页面UI堆叠小瑕疵，但仍值得支持。此外，Grok 4有突破，马斯克看好Grok 5。
人人可用、真能落地，阿里用Agent掀翻了数据分析的牌桌
文章介绍阿里全资子公司瓴羊升级“智能小 Q”，这是阿里在数据分析赛道的首份 Agent 答卷。分析了数据分析从可视化、可决策到可行动的三阶跃迁，阐述智能小 Q 在准确性、企业级能力、价值增量方面的表现及应用案例。
英伟达说，小语言模型（SLM)是智能体的未来
英伟达论文指出小语言模型（SLM）是代理人工智能未来。SLM参数小于100亿，可装在消费电子设备。英伟达认为其强大、适合代理系统且经济。微软、英伟达等多家厂商的小模型表现出色，文中还分析了SLM优势及代理架构。
只需一次指令微调，大模型变身全能专家天团，8B模型性能反超全微调基线 | ACL25 Oral
预训练大模型适应专业领域需高昂微调成本，稀疏混合专家架构虽能提升推理效率，但从头训练耗资源。浙大与Thomson Reuters团队提出SIMoE，单阶段微调就能升级大模型，还解决传统方法两大局限，在性能和效率上双突破。
扣子开源全家桶，Apache 2.0加持，AI Agent又一次卷到起飞
7月26日，新一代AI Agent开发平台扣子（Coze）宣布开源零代码开发平台（Coze Studio）和调试工具扣子罗盘（Coze Loop）。二者结合已开源的Eino框架，为开发者提供全栈可用、可复用的开发工具，还采用宽松的Apache 2.0协议。
今天我替煤炭给AI正个名。。。
一份标价8200元的煤炭研究报告称煤炭是可再生资源，可打怪获取，此事引发热议。很多人认为是AI写的，但报告是2022年出版，那时ChatGPT都未发布，实际是人类所为。AI暴露了行业内假装专业的垃圾内容。
突发！Fable 5.1遭黑客破解，27万字提示词泄露
Fable 5.1和Mythos 5.1发布，Fable 5.1推理成本低32%。但发布几小时后被破解，27万字提示词泄露，曝光了其安全限制、隐私保护等秘密。它工具增加，还破解密码、能完成多种任务，不过也有用户抱怨耗token等问题。
都在卷「让大模型多循环几遍」，这个7B模型LoopCoder v2说：多循环 1 次就够了
当下推理模型流行在测试时多循环，以打磨答案。但新研究发现，7B模型LoopCoder v2只多循环1次（共2次），就能大幅提升性能，继续增加循环次数，性能反而下降。研究还分析了收益与成本，给出选择循环次数的诊断方法。
AI「上班流」首次完整曝光！不点鼠标，只写代码，PPT也当函数调
CMU与斯坦福研究团队追踪AI工作过程，发现其用编程方式处理问题，执行方式与人类不同。AI速度快成本低，但存在伪造输出、工具误用等问题。人类虽慢，但在规范细节和实践判断上有优势，未来人机可按任务可编程性分工。
中科院类脑大模型SpikingBrain，2%数据，百倍速度
中国科学院自动化研究所李国齐、徐波团队发布全球首款大规模类脑脉冲大模型SpikingBrain 1.0。它处理长文本比主流Transformer模型快超百倍，训练数据仅为2%。该模型采用新架构，降低计算复杂度，还可转换现有模型，且在国产GPU完成训练。