「难度偏见」共找到 140 篇相关文章
一个省略号提示+强化学习搞定大模型“过度思考”，中科院自动化所新方法：从强制推理到自主选择
中国科学院自动化研究所联合鹏城实验室提出AutoThink方法，用省略号提示和多阶段强化学习，让推理大模型依题目难度自主切换思考模式，解决过度思考问题，在多数据集验证有效。
OpenClaw大考！上海AI Lab InternLM团队WildClawBench 60题，把「龙虾」AI打回原形
上海人工智能实验室InternLM团队推出WildClawBench，含60道高难度任务，在真实OpenClaw环境端到端评测AI Agent。评测涵盖多类别任务，已测14个模型，国产模型表现亮眼，项目开源可复现。
DeepSeek-OCR是「长文本理解」未来方向？中科院新基准VTCBench给出答案
DeepSeek - OCR的VTC技术可实现高压缩率，降低长文本处理成本。但视觉语言模型能否理解压缩信息存疑，中科院等推出VTCBench评估，测试模型认知极限，还推出VTCBench - Wild检测鲁棒性。
AI泡沫越大鱼越贵！YC合伙人复盘2025年AI创业
2025年底Y Combinator博客复盘该年AI四大变局，如Anthropic成最受欢迎大模型，使用率超OpenAI。创业者可在模型间套利，创建垂直AI应用。能源焦虑催生太空数据中心，AI泡沫或成应用层红利。
1.5B推理模型新SOTA，RL训练新解法打破「简单题过拟合、难题学不动」的魔咒
QuestA通过在训练中注入解题提示，实现两项成果：在1.5B模型上实现Pass@1的SOTA性能，还提升了Pass@k性能。它解决了RL训练中简单与困难任务的权衡问题，为开发强推理模型打开大门。
Sora 2刷屏全网：拍《瑞克和莫蒂》、过物理测试，太棒了
OpenAI推出的Sora 2刷屏海外，能完成以往视频生成模型极难实现的任务，在物理准确性、逼真度和可控性上有重大提升。它还能进行二创、模拟电脑操作等。OpenAI发布由Sora 2驱动的社交APP，强调促进创作，保障安全。
Nature发布Delphi-2M模型，提前20年预测你得什么病
2025年9月17日《自然》发表研究成果，欧洲、德国和丹麦科学家改造GPT架构，推出Delphi - 2M模型。它能预测1258种疾病及死亡风险，依据过往病史等提供风险概率，虽有局限但潜力大。
首个开源多模态Deep Research智能体，超越多个闭源方案
首个开源多模态Deep Research Agent登场，整合多种工具并优化决策。其WebWatcher技术方案覆盖全链路，实验中在四大核心领域领先主流模型，展现复杂推理和信息检索实力。
2025-06 - 念头通达（月度小结）
作者 2025 年 6 月月度小结，称不再想读博、不追求研究工作，认为有让人幸福的工作。工作上 Agent 落地有收益，探讨平台化提效，还分享选业务的乐观心态，也提及消费和做视频情况。
爆火「开源投资框架」，AI时代的伯克希尔
AI投资虽火但常给出正确废话，AI Berkshire爆火，兼容Claude Code和OpenAI Codex，有18个Skill。它将四位投资大师方法论抽象成流程，通过多Agent协作完成投研闭环，还有强制给结论等特点。