「内部验证器」共找到 1343 篇相关文章
OpenAI深夜开源HealthBench，60个国家合力开发5000段真实对话
今天凌晨1点30，OpenAI开源医疗大模型测试评估集HealthBench。其5000段核心测试对话由60个国家/地区的262名医生打造，采用多轮对话测试。测试显示大模型在医疗保健领域表现显著提升，还介绍了其构建及评估等情况。
夜间感知新突破！北航等提出红外主导的高效目标检测方案 | ECCV'26
在复杂视觉场景中，传统RGB - IR多模态检测方法在低照度等场景下因RGB退化影响检测效果。北航等团队提出的InfraNet，以红外为主，用质量感知机制控制RGB引导，在多数据集取得强竞争力结果。
Lilian Weng：Harness才是模型自我迭代的现实起点和关键，而不是直接重写权重
Thinking Machines Lab联合创始人Lilian Weng发文指出，实现AI递归式自我改进（RSI），设计围绕模型的执行系统“Harness”才是现实起点。文中详述Harness设计模式、优化路径，也指出自我改进面临的瓶颈。
陶大程技术博客首发：从像素复刻到行动控制，具身世界模型的底层逻辑探索｜甲子光年
今年世界模型成AI热点，通用世界模型追求像素逼真，具身世界模型不同，其使命是支撑行动。文章拆解具身世界模型底层逻辑，分享开悟世界模型的技术设计与实践思考。
Fable 5回归全网抓紧测！发现GLM-5.2更香了，价格只有1/39
Claude Fable 5消失19天后全球再上线，7月1 - 7日Pro等订阅用户可用，但额度受限。它实力强但贵，与多模型对比表现优，远程工作能力突出。不过使用限制变多，安全分类器易误伤。
AI科研全周期拆解：从选题到宣发，哪里能放手，哪里得盯着
Awesome AI Auto-Research Team 综述梳理 AI 科研全周期能力与局限，按四阶段八环节拆解，介绍五种方法范式，指出各阶段应用情况、瓶颈及规律，强调人本治理的 AI 辅助科研才是可信路径。
把 RAG 做成主流的公司，现在开始“做空”RAG 了
Pinecone 曾将 RAG 定义成大语言模型 grounding 标准范式，如今却宣布 RAG 时代结束。它推出面向 Agent 的知识引擎 Nexus，提出“知识编译”概念，称能提高任务完成率、降低 token 开销，整个 AI 世界都在将“推理”往上游移动。
实验室造出人类精子：无精症男性或迎生育新解法
全球约2.5亿男性患不育症，其中10%-15%为无精症。美国Paterna公司宣布在实验室用精原干细胞培育出有初步受精能力的精子样细胞，形成早期胚胎，成果或助不育男性生育，不过研究尚处早期。
OpenSandbox：重新思考 Agent 时代的 Runtime｜QCon 北京
4月16 - 18日QCon全球软件开发大会将在北京举办，聚焦Agentic AI时代软件工程重塑。阿里陶宇田将分享《OpenSandbox：重新思考Agent时代的Runtime》，结合阿里实践解析关键设计与经验，大会还有20多个专题论坛。
多智能体编排太繁琐？MASFactory用Vibe Graphing直接「话」出来了
多智能体系统编排当前较为繁琐，北京邮电大学开源 MASFactory 框架，提出以图为中心架构和 Vibe Graphing 开发范式，将开发推向自然语言驱动时代，系统评估显示其效果良好。