「大模型测试」共找到 9855 篇相关文章
AI编程里程碑！谷歌AI自己写代码惊呆工程师，GPU内核算法反超人类21%
谷歌AlphaEvolve的开源实现OpenEvolve自学写代码，在苹果芯片上进化出比人类快21%的GPU核函数。它自主发现多项优化策略，经多维度测试，性能显著提升，开启「AI为AI编程」新时代。
RL救不了泛化性！揭示LLM数学Reasoning的深层瓶颈
大型语言模型在数学竞赛级任务依赖机械化推理，现有评测集有缺陷。UC Berkeley团队提出OMEGA基准量化其数学泛化能力，实验揭示复杂度引发性能崩塌等问题，指出LLM创新组合难，给出改进方向。
用Cursor做UI，最有效的两个方法
作者黄益贺分享用Cursor做UI的两个方法，免费法是用Gemini等生成JSON配置贴到Cursor；付费法是API调用Vercel的v0模型。还提及添加动画提升体验及前端UI开发工具箱。
「说 Harness 会被淘汰的，肯定没做过工程」，Kimi 前 CLI 负责人戳破了 AI 圈最大的误解
AI编程圈两极分化，围绕底层Harness是否消失争议不断。前Kimi CLI负责人stdrc提出反常识观点，认为模型越强Harness越厚，复杂度从“能力层”转移到“协作层”，还以Kimi CLI实践及Raft创业为例阐述。
做AI产品三年复盘，我看到的变与不变
作者复盘做AI产品三年经历，从自身、行业、世界三个视角谈变与不变。个人工作方式巨变，行业如营销、金融受AI影响，ClaudeCode等产品带来新变革，指出Context是不变核心，深度垂直领域智能体机会大。
一个大脑搞定所有模态，百度ERNIE 5.0技术报告公布
模型发布近3个月后，百度ERNIE 5.0技术报告公布。其底座用超级稀疏架构，参数量万亿但推理激活参数不到3%，实现四种模态原生自回归统一，还在路由调度、训练范式等多方面有创新。
Anthropic：这样构建Agent，性能提升90%！
Anthropic分享从0到1构建多智能体DeepResearch系统的方法，该系统是Claude内置Research功能。干货多，涵盖架构设计、Prompt工程等。多智能体性能比单模型高90.2%，但烧钱，适合高价值复杂任务。
英伟达CEO黄仁勋：错失中国AI市场，是美国巨大损失
在“Knowledge 2025”大会上，英伟达CEO黄仁勋接受CNBC专访，称中国AI市场未来2 - 3年达500亿美元，错过是美国巨大损失。还提到AI影响、与ServiceNow合作成果等，英伟达股价有波动，财报受关注。
2 天斩获 3.5K 标星！GitHub 惊现神器！一个二进制文件把 DeepSeek V4 搬进终端
GitHub上的DeepSeek TUI项目开源两天获3.5K Star，它把DeepSeek V4模型搬进终端成编码智能体，有原生RLM并行推理等亮点，提供多种安装方式、支持多提供商，适合终端开发者。
拒绝Vibe Coding！大神揭秘8套AI编程模式
Datasette创始人Simon Willison公开指南，教专业开发者用Claude Code等AI编程工具提效，总结8大实战模式重构程序员工作方式。还提出认知债务概念，Hacker News对此有不同观点。