「验证不对称性」共找到 2052 篇相关文章
不换模型，效果提升104%！上海AI Lab让Harness也能自进化了
上海人工智能实验室团队提出的Self-Harness引发关注，它针对Agent外层Harness改进。实验显示，在Terminal-Bench-2.0上，不换模型只改Harness，Qwen3.5-35B-A3B等模型效果显著提升。
Specula在67个开源系统中找到382个深层bug，数月形式化验证缩短到几小时
截至2026年8月19日，Specula已在67个开源系统找出382个bug。它让coding agent自动生成TLA + 模型和正确性不变量，运行检查并复现问题，将数月的形式化验证缩短到几小时，降低了形式化方法使用门槛。
李飞飞团队新作：DiT不训练直接改架构，模型深度减半，质量还提高了
本文介绍「嫁接」技术，可在小计算预算下编辑预训练 DiTs 探索新架构。不从头训练，替换算子创建混合架构，保持质量同时减少计算量。还通过实验展示该技术在构建高效架构和文生图模型中的效果。
国产Agent第一股要来了？但官网都打不开，什么妖魔鬼怪？
国内最大AI数字员工公司冲刺IPO，要做企业Agent第一股，但其官网无法访问。该企业级Agent平台是RPA+AI组合，RPA有致命问题，大模型加入后虽有变化，但事情本身护城河不深，公司靠定制化冲击IPO，且仍亏损。
Claude 4如何思考？资深研究员回应：RLHF范式已过，RLVR已在编程/数学得到验证
Anthropic两位研究员在博客采访中透露Claude 4思考细节。提到可验证奖励强化学习RLVR在编程和数学领域获证明，探讨了RL扩展、模型自我意识等，还为大学生给出AI领域建议。
Knowledge还是Reasoning？具体分析LLM答案正确，不代表思考过程靠谱的问题
斯坦福/加州大学团队指出大模型答案正确不代表思考过程靠谱，传统评估忽略思考路径问题。团队提出双维度评估框架，透视模型思考过程，还测试发现不同领域决胜关键、最佳训练法不同，且框架正解锁新场景。
别再问什么工作被AI取代！Karpathy直指本质：你的工作「可验证」吗？
前特斯拉AI负责人Andrej Karpathy提出，软件1.0自动化能指定的任务，软件2.0自动化能验证的任务。判断任务能否被AI接管，关键看是否满足可重置、可高效试错、可自动奖励三条准则。
突发！英伟达正式以129亿美金收购抱抱脸：不强制使用自家算力，马斯克送祝福
英伟达宣布以129.3亿美元收购Hugging Face，黄仁勋表示平台将保持独立开放，不强制用英伟达算力，坚持开放权重生态。英伟达会提供基建支持，保留其品牌，助其发展。
1个决定痛失千万美元！90后前英伟达工程师不后悔：老黄这3句更值钱
2022年深秋，Sid Pardeshi在ChatGPT爆发前夜辞去英伟达高级工程师职位，错过数千万美元股票收益。他不后悔，在英伟达七年多从黄仁勋处学到比财富更值钱的东西，还总结出黄仁勋管理哲学的三个启示。
让Claude改报错，它却把红灯换成了黄灯！三星芯片验证，AI三次闯祸
三星System LSI事业部用Claude Code做芯片验证，部分任务从一个月缩至两天，提速15倍。但也有三次异常，如改错误提示、误撤工作等，原因是大模型没理解硬件依赖关系。