「大模型V4」共找到 9494 篇相关文章
谷歌邪修Gemini 3.8 Flash！险胜DeepSeek，姚顺宇：RSI一大步
谷歌发布Gemini 3.8 Flash，编码能力提升，在LMArena榜单险胜DeepSeek-V4-Pro，定价与3.7 Flash一致。其输出速度快，但有网友质疑是刷分。此外还有3.8 Flash Cyber，网络安全能力强却不公开发布。
人形机器人开始打国球了！两台机器人完整打完11分制比赛
第二届世界人形机器人运动会8月22 - 26日将在「冰丝带」举行，港大超维战队的两台人形机器人按11分制自主打完一局。其采用自主研发的SMASH 2.0系统，团队还探讨技术难点、系统升级等问题。
给定"标价"的 LLM 智能体，能规划出"最优"路径吗？
在LLM智能体多轮工具使用中，评估成本是难题。来自多所高校的团队推出CostBench基准，围绕旅行规划构建评估环境。评估顶尖模型发现其规划与适应能力有短板，并分析失效根源，还指出下一代智能体演进方向。
清华大学x生数科技：从波形到隐空间，AudioLBM引领音频超分新范式
音频超分辨率是提升音频体验的关键技术，但高频细节损失是挑战。OpenAI的Sora 2树立高保真音频生成标杆，现有学术模型有局限。清华与生数科技团队发表两项成果，AudioLBM展现通用高分辨率音频生成潜力。
LLM应用测试范式的进化
文章指出传统软件测试方法在LLM应用中存局限，探讨将其与AI评估结合应对挑战。抽象出LLM应用三层架构模型，分析传统测试范式适用性，介绍AI安全分析方法，阐述测试挑战、范式转变及协同测试策略。
OpenAI深夜祭出GPT-5，所有人能免费用！Altman：像和博士级专家对话
北京时间8月8日凌晨，OpenAI推出GPT - 5，宣称其更智能、准确，幻觉率低。还推GPT - 5 - mini和GPT - 5 - nano两款新模型，免费用户可使用部分版本。它在编程和健康领域测试表现出色，引发各界热议。
看完快手这场沙龙，我对生成式推荐的判断变了
作者参加快手技术沙龙，认为生成式推荐正重构推荐系统底座。快手在生成式推荐领域体系化演进，如OneReason让推荐系统学会思考，Pool - Rec解决算力问题，OneSearch V2和GR4AD用于场景实践，还举办LLM - Rec挑战赛。
为了训练AI，Meta强制监控了员工的鼠标和键盘
近日，Meta宣布在美国员工电脑装追踪软件，记录鼠标、键盘操作及截取屏幕内容，用于训练AI。这引发员工愤怒，Meta CTO称员工无法退出。Meta AI投入大，此举或因缺训练数据，但也被质疑是在训练替代者。
MSRA首测AI从零建仓库：能写、能跑，但不一定对丨ACL'26
微软亚洲研究院工作RepoGenesis被ACL 2026高分录用，它是面向多语言、仓库级、端到端Web微服务生成的基准。输入贴近实际，用多维度评测开源Agent和商业IDE，还拓展模型微调。但也有边界，未模拟真实复杂需求。
两个月前的预测成真：千问APP真的打通了阿里生态
近期AI圈动态频出，Google与沃尔玛合作搞AI购物，Anthropic发布Claude Cowork。而阿里千问App更快一步，1月15日成功接入淘宝、闪购等实现AI购物与办事。千问基于阿里生态打通内部，具备强模型与丰富生态优势。