「大模型测试」共找到 9855 篇相关文章
Claude独立攻克理论物理前沿难题，全程无人指导，花费不到两千美元
本文报道Anthropic旗下大模型Claude在几乎无人指导的情况下，独立完成理论物理前沿难题——平面N=4超杨-米尔斯理论九圈六胶子散射振幅计算，总成本不到两千美元，中科院团队也借助GPT-6得到结果，业内探讨了AI在科研中的能力边界。
LLM-based Agent的代码生成综述
这篇2025年的综述指出，传统代码生成技术难完成复杂开发任务，而基于大语言模型（LLM）的代码生成代理应运而生。它把LLM作为“大脑”，具备自主规划等能力。文章梳理了该领域的核心特征、技术体系、应用实践等，也剖析了挑战与未来方向。
GPT-5.2被曝作弊！偷袭谷歌竟靠拉爆token刷高分，不如Gemini 3
新智元报道，OpenAI刚发布GPT - 5.2就被指「作弊」，其在基准测试中或调参数使模型用更多算力资源。有用户发现它消耗远超对手的token才获成绩，真实能力或与Gemini 3相当。此外，还揭示了OpenAI为商业利益牺牲学术独立的问题。
扩大 LLM 能实现 AGI吗？
计算机科学家Stuart Russell提出继续扩大现有大型语言模型（LLM）不会导致通用人工智能（AGI）的实现。文章探讨了LLM与AGI的关系，介绍了Russell的四大AI发展预言，还呈现了网友对AI发展、AGI定义等方面的热议，指出LLM是通往更高级AI的基石而非终点。
给 AI 一张陶罐碎片图，它能还原破裂过程吗？Minimax H3 vs Seedance 2.0 Fast 实测
文章实测 MiniMax H3 和 Seedance 2.0 Fast，给模型一张破碎陶罐图，让其生成破碎过程视频。分析 H3 技术逻辑，对比两模型效率、质感和物理细节等差异，指出开放与闭源模型的特点及视频模型待解决的问题。
APP推广，常用的100种英文名称解释
ASO工具箱里装着哪些英文专业名词？从AARRR到watchOS，一篇文章带你了解APP推广中常遇到的100个英文术语。
初识App Store和苹果审核【第一期】深度解析
App Store的审核流程和苹果惩罚机制究竟是怎样的？文章详细解析了App Store的变迁、分发模式、开发者账号区别、上架流程、审核流程和依据，以及惩罚机制和应对方式。
苹果竞价搜索广告（ASM应用商店营销）到底是什么?
ASM广告位展示的产品在用户自然搜索结果的前10名位置再次出现，即使App的自然排名本不在Top10以内。这种推广方式能为App带来额外的曝光机会，同时提高下载转化率。
不止于量化：最新综述用「时-空-构」三维视角解构KV Cache系统级优化
随着LLM向1M上下文演进，KV cache成推理服务效率核心瓶颈。墨尔本大学和华中科技大学研究者发布深度综述，用「时间 - 空间 - 结构」视角梳理KV cache优化方法，还归纳关键观察、提出开放挑战，并整理了资源库。
Anthropic 深夜祭出 Claude Sonnet 4.5，能自主工作 30 小时！CEO：它更像你的同事
昨夜凌晨，Anthropic 推出新一代模型 Claude Sonnet 4.5，官方称其是世界上最好的编码模型等。该模型性能跑分登顶，工程落地能力强，还带来产品生态升级，开放 Agent SDK，误报率降低，价格亲民。