「子任务级可验证性」共找到 2763 篇相关文章
不只DeepSeek，阶跃等开源JetSpec：大模型解码提速近10倍
近期，DeepSeek 推出 DSpark，阶跃星辰提出 JetSpec，都关注大模型推理效率。DSpark 关注验证效率，JetSpec 提高有效 Token 生成率。二者切入点不同，但都显示大模型行业进入新阶段，推理效率成 Agent 落地基础变量。
基于DINOv2和SAM2改进的U-Net模型
DSU-Net是基于DINOv2和SAM2改进的U-Net模型，通过多尺度跨模型特征协作和轻量级适配器模块，解决现有图像分割模型在特定下游任务表现不足问题，提升分割精度，降低训练成本。
Claude Opus 4.1火速发布！坐稳编程之王，官方：马上还有大更新
Claude Opus 4.1正式发布，编程性能超Claude Opus 4及竞品，拿下SOTA。在Agent任务和推理方面升级，定价不变。官方将在几周内大规模改进。Anthropic借客户背书，暗秀关系，文风受开发者喜爱。
新SoTA方法RM-R1：让reward model对评分说出原因！超越GPT4o
过去模型‘黑箱打分’不透明、不灵活。论文提出ReasRM，经两阶段训练，让奖励模型像人类先思考再打分。它能分任务类型、动态奖励，实验中碾压GPT - 4，小模型逆袭，团队已开源6个模型。
开源「活人感写作.skill」，只为帮你写出没有AI味的文字。
作者开源活人感写作.skill，旨在帮大家写出无AI味文字。它适配多种模型和产品，鼓励用真实经历创作，除了去除辞章端AI口癖，还会激发思想、验证事实，让大家保留自我。
Marvis 实测：6 个 AI“牛马”扎根桌面之后
作者实测腾讯 Marvis，它能实现终端调度、多 Agent 协同、跨模态任务链执行等。虽在编码、审美等方面有不足，但定位安全实用，适合普通用户，体现 AI 助手从对话工具向执行系统转变。
榨干Codex！OpenAI工程师亲授Codex真正用法
OpenAI客户支持工程师Jason称，Codex不只是编程助手，而是完整电脑工作系统。通过持久对话流留存记忆、语音输入精准表达、自动化接管任务等，能让机器高效完成各类工作，人还可随时干预。
CUTLASS 笔记 (2)：混合精度 GEMM kernel
文章介绍实现支持不同精度的 GEMM 算子，解析精度转换技术细节，还介绍根据 PTX 文档实现自定义 FP8 精度的 GEMM kernel，包括揭开 MMA Atom 面纱、分析 TV 与 MN Layout 等，最后完成精度验证。
告别“一眼定生死”：Agent-as-a-Judge 开启 AI 评估的下半场
过去两年，LLM-as-a-Judge成评估界“黄金标准”，但面对复杂任务力不从心。论文《A Survey on Agent-as-a-Judge》指出，应从单一的大模型裁判进化为具备行动能力的智能体裁判，还阐述了其优势、发展阶段等。
这一年，DeepSeek消耗14万亿Token，编程仅占1/10，超一半用于角色扮演？
a16z和OpenRouter基于100万亿token研究揭示LLM使用情况：开源模型占三成市场，编程任务成刚需，角色扮演是金矿。还提到‘玻璃鞋效应’影响用户留存，市场分层为‘高端闭源+性价比开源’双轨制。