「AI模型测试」共找到 14052 篇相关文章
大型语言模型稳定强化学习的新路径：几何平均策略优化GMPO
本文介绍了大型语言模型稳定强化学习新路径——几何平均策略优化GMPO。它是GRPO稳定化版本，通过优化几何平均替代算术平均，解决GRPO训练不稳定问题，在多任务实验中显著优于GRPO。
从 MCP 到 Agent：构建可扩展的 AI 开发生态的工程实践
本文整理自字节跳动 Trae 架构师陈仲寅在 AICon 2025 上海的分享。探讨通过 MCP 及 Agent 构建可扩展生态体系，涵盖自定义 Agent 设计、与工具集成及共建等内容，还展望技术演进方向与 AICon 深圳站信息。
Manus 对谈 YouTube 联创陈士骏：两代创业者聊 AI 创业和长期主义
本文是 Manus 联合创始人与 YouTube 联创陈士骏的对谈，涉及 AI 创业和长期主义。探讨了产品优先级确定、核心指标、竞争应对、用户留存等，还谈及硅谷创业生态及 YouTube 发展历程与收购故事。
AI竟会「自己认错」？破解多智能体协作「罗生门」，斩获ICML 2025 Spotlight
多智能体AI系统任务失败后，开发者常难定位问题。PSU、杜克大学与谷歌DeepMind等机构提出「自动化失败归因」，发布Who&When数据集，探索三种归因方法，虽目前效果欠佳，但为打造可靠系统提供方向。
V4或Code要来？刚刚，DeepSeek-V3.1-Terminus发布！
DeepSeek线上模型升级为DeepSeek-V3.1-Terminus，单从名字看像是V3终极版，或在筹备V4及Code模型。deepseek - chat和deepseek - reasoner完成升级，此次更新改进语言一致性，优化Agent能力。
AI 互动游戏的 GPT 时刻到了！谷歌Genie 3首测！太牛了！
谷歌去年发布世界模型Genie 3，支持实时生成可交互视频内容，因成本高未开放。现美国18岁以上Ultra用户可试玩，其操控延迟低、画面清晰、物理交互真实，还介绍了操作流程等。
Claude Code 起源：一个人的副业换歌脚本，变成最强 AI 编码工具
很多人以为Claude Code是Anthropic规划已久的大项目，实则最初是个人副项目。工程师Boris Cherny为熟悉API做了听歌脚本，后经改进让Claude能读文件、探索代码库，其在公司内部疯传，最终发布并发展成完整产品。
叫板华尔街之神！诺奖得主在谷歌眼皮底下组队炒股，CEO亲自叫停
AlphaGo之父Hassabis曾在谷歌眼皮底下拉20个顶尖研究员训练高频交易AI，想挑战华尔街量化之神，与贝莱德探讨合作。后因谷歌CEO叫停，项目停摆。不过如今AI+金融正加速发展。
两分钟Claude Code模型换成DeepSeek，立省17倍，缓存后爆省120倍
GitHub开源deepclaude，两分钟可将Claude Code模型换成DeepSeek V4 Pro，开销直降17倍。自带上下文缓存机制，重复对话成本降120倍。支持多后端选项，可丝滑切换，还能打破设备限制远程编程。
OpenAI主攻速度的第一个模型来了：GPT‑5.3‑Codex‑Spark
OpenAI发布GPT-5.3-Codex-Spark，是GPT-5.3-Codex轻量级版本，也是首个为实时编程设计的模型。亮点是速度快，推理超每秒1000 token，已向ChatGPT Pro用户开放，后续规划融合两种工作模式。