「故障验证」共找到 950 篇相关文章
奖励是假的，能让Qwen提升25%性能却是真的！
华盛顿大学博士生团队用Qwen模型对虚假奖励进行RLVR，使MATH - 500准确率显著提升约25%。研究发现RLVR不考虑奖励正确性，还分析了虚假奖励有效的原因，提示现有研究要在非Qwen模型验证。
LLM加RL遭质疑：故意用错奖励，数学基准也显著提升，AI圈炸了
华盛顿大学等机构论文引爆AI界，其发现用虚假奖励训练Qwen2.5-Math-7B模型，也能提高MATH - 500成绩。虚假奖励对Qwen模型有效，但在其他模型上有限，凸显RLVR有效性与模型能力有关。
代码迁移准确率从 5.4% 飙至 97.9%！OpenAI 挑战 COBOL，几十年的老系统真能交给 AI 了？
本文报道OpenAI针对低资源编程语言的最新研究，其COBOL代码迁移准确率从5.4%大幅提升至97.9%，探讨了AI改造遗留系统的进展、应用边界与待解决的问题。
突发，Claude刷新物理学世界纪录！单挑基于杨振宁理论9圈难题
本文报道Anthropic的Claude攻克理论物理前沿难题，成功算出平面N=4超杨-米尔斯理论六粒子振幅的九圈结果，打破人类此前保持的八圈纪录，计算成本仅几千美元，展示了大模型在科研领域的突破性能力。
「闪电.skill」发布！用Anthropic的方法论把你的产品提速3倍！
本文是花叔对Anthropic工程师Claude提速复盘的深度拆解，公开了Anthropic用AI辅助做产品性能优化的完整方法，花叔还实战验证了这套方法，整理出可复用的「闪电.skill」工具开源放出。
从 Jev 到 TierSense， Agent 的「判断层」正在被拆出来 | GAIR Paper 132
本文解读Jev和TierSense项目，提出将Agent判断层从大模型生成中拆分，交给专用轻量模型，介绍TierSense能力、实验数据，探讨专用判断模型优化Agent效率的新方向。
7名博士生仅用3个月从零训练7B大模型：代码+数据+训练日志全公开
北京中关村学院7名跨专业博士生，耗时3个月从零训练出7B参数大模型ZGCM-1，采用数百个Agent协作实践AI4AI研发范式，全程公开代码、数据、权重、训练日志，分享一线实战经验。
对比 Codex，免费的 AgnesCode 也能在底层算子优化任务中打的有来有回
本文实测免费AI Coding Agent AgnesCode搭配Agnes 3.0 Flash，对比付费Codex组合在DeepSeek-V3底层算子多芯片优化任务中的表现，验证免费Agent胜任底层AI工程的能力，分享实测数据与行业洞察。
OpenAI发布GPT‑6 Astra：百万级上下文，主攻编程和复杂办公
9月3日，OpenAI发布GPT - 6 Astra，重点提升电脑操作、软件开发和复杂工作处理能力。它有诸多更新，如电脑操作提速、支持异步工具调用等，但也存在监测难、价格高的问题，实际效果待验证。
从1000通到1.5万通，百融智能的「硅基客服」真正开始「上岗」
今年7月，一家头部物流企业和大型综合类头部券商上线百融智能的AI客服，业务量和部署规模增长显著。百融智能正战略升级，以新一代AICC智能联络技术向多行业拓展，其创始人张韶峰分享了相关思考与技术优势。