「学术基准测试」共找到 2189 篇相关文章
Claude「永久大脑」，真的来了！
著名AI追踪平台TestingCatalog爆出，Anthropic正为Claude测试「双模记忆系统」，包括「经典记忆」和「文件记忆」。此外，「梦境」预览版亮相，还有终极Agent平台Claude Conway登场，7x24h永不下线。
Karpathy Vibe Coding整新活：Agent版「GitHub」问世
最近，Karpathy 玩 Vibe Coding 上瘾，上周末开源项目让 AI Agent 自主实验，10 多小时前又开源「agenthub」，这是 Agent - first 协作平台，可理解为极简版 GitHub，还能用于构建自治学术体系。
Nature新研究：AI竟然分不清事实和信念
斯坦福大学团队在Nature发表研究，测试15个大模型，发现其区分事实、信念和知识存在严重缺陷。如处理第一人称信念准确率低，对语言线索依赖高，在高风险领域应用令人担忧。
[Triton编程][基础] Triton Fused Softmax Kernel详解: 从Python源码到PTX分析
文章详细介绍Triton Fused Softmax Kernel实现，从Naive Softmax到Triton实现，分析访存量、row索引计算、num_stages作用等，还修复官方年久失修代码，性能测试带宽吞吐提升约4倍。
他们想用AI发现不存在的物理学，然后用它去半人马座
美国初创公司 Physical Superintelligence（PSI），计划用 AI 加速物理发现。其核心平台 Emmy 能拆解研究问题。商业应用从 AI 数据中心切入，还参与费米探索者星际探测任务，目标平衡学术与商业。
普朗克被撤稿了？量子之父竟被算法绊了一跤
新论文指出，量子论奠基人普朗克1940年和1942年的两篇文章在Springer平台被标记为“retracted”。调查发现，文章并非因造假等被撤，而是被算法误判，反映了现代学术出版基础设施的问题。
为了活到120岁，硅谷富豪们正在把自己变成小白鼠
硅谷富豪为活到120岁，用‘生物黑客’手段抗衰，如服雷帕霉素、尝试血浆疗法等。科研人员警告，这些技术未临床测试，效果和安全性未知。同时，长寿科技成资本热门，不同公司有不同路径。
AI 本地跑？Google 新开源模型上线，本地量化后占用不到 200MB 内存，支持百余语言
Google DeepMind推出开源嵌入模型EmbeddingGemma，专为本地设备高效运行设计。它用Matryoshka方法和量化感知训练，提升效率。在MTEB测试中成绩佳，支持百余种语言，内存占用少，已集成多种工具。
奥特曼爆冷改口：AGI没用？MIT预测2028年降临，50%概率
我们越来越接近AGI，时间表从50年缩到5年，大佬预测2026、2028年降临。但AI在ARC测试得分0%，人类基本能力似新手。算力战已打响，AGI或需架构革命和技术集体转向。
强化学习也能预训练？效果可提升20倍，华人新作引爆RL新范式!
伯克利团队提出新方法InFOM，不依赖奖励信号，能在多任务中超强迁移与推理。在36个基于状态和4个基于图像的任务测试中，InFOM表现出色，在jaco任务上改进达20倍。