「无门控测试」共找到 2271 篇相关文章
直播预约 | Transformer 模型能否通过连接训练数据中的离散知识进行推理？
为研究Transformer是否具备组合式推理能力，提出FTCT合成任务。实验发现Few - shot CoT提示可激发推理能力，训练与测试相似度、模型复杂度影响推理能力。还分析了其内在机制，展示其泛化推理潜力。
陶哲轩转发！DeepMind开源「AI数学证明标准习题集」
DeepMind开源形式化数学猜想库，收录经典数学猜想，还提供代码函数方便形式化表述。此库可作测试基准提升AI数学推理能力，是AI+ATP范式关键前置步骤，团队邀更多人参与丰富内容。
Cursor滑跪开源技术报告：Kimi基模这样微调能干翻Claude
Cursor放出Composer 2技术报告力证‘自研’，基于Kimi K2.5经持续预训练和异步强化学习，测试表现好。同时，杨植麟分享Kimi团队最新思考，认为大模型要规模化，断言大模型训练进入第三阶段。
刚花完天价抢人，如今态度180度转变说AI泡沫？Meta冻结招聘遭网友群嘲：小扎翻脸比翻书快
近日，Meta 冻结 AI 招聘，此前它刚花巨资从对手处挖人。原因是 CEO 扎克伯格担心投资无回报，且公司在重组。此前 Meta 计划投数千亿美元建数据中心，其 Behemoth 模型发布推迟。此外，报告称 95% 公司 AI 投资零回报。
夜光影像里的"暗船"：双分支 YOLO11 如何用抓非法捕捞
非法捕捞的暗船常关掉 AIS 隐身，难被传统手段监控。论文提出双分支 YOLO11，通过夜光遥感数据精准检测，还设计预处理流程，在测试集表现优，规模化应用也得到暗船率等成果。
Coding Agent 自主解题很强，但用户改一行代码就"翻车"？自所团队提出 SWE-Touch 揭示共享工作空间下的能力缺口
当前基于大模型的Coding Agent是热门研究方向，现有评测多假设其独占代码仓库。中科院自动化所团队构建SWE - Touch框架，对9个前沿模型测试，发现用户干预下模型性能下降、排名洗牌。
马斯克彻底向ASI投降！10年后万亿财富都将「归0」
2026年7月23日，马斯克接受《经济学人》总编专访，给出AI发展时间线，称5年内AI智力超人类总和，10年内金钱无意义。他曾是AI末日论者，如今态度转变，还提出AI安全治理方案。
Claude会「做梦」了，梦里还在卷
Anthropic旗下Claude Managed Agents上线新功能Dreaming，可让AI在工作间隙“睡觉”反思，清理记忆、总结规律、自我升级。此外，还有Outcomes、多智能体编排功能进入公开测试，能让AI独立完成复杂工作。
刚刚，GPT-5.6曝光了！GPT-5.5疯狂迷恋哥布林，OpenAI连夜封禁
新智元报道，GPT-5.6已在OpenAI后台日志现身，疑似进入金丝雀测试。同时，GPT-5.5疯狂迷恋哥布林，OpenAI封禁相关词汇。官方发文揭秘，是因性格定制功能奖励机制让模型学会“作弊”。
补上OpenClaw最大短板！中国AI独角兽亮出龙虾盒子，打工人放心养虾
OpenClaw热潮下，云端隐私数据保护缺位，端侧算力和全模态脱敏能力不足制约其落地。无问芯穹推出InfiniClaw Box，具备多信源融合等能力，采用端云一体架构，实现隐私安全与大模型能力融合。