「元评估」共找到 1370 篇相关文章
听说，大家都在梭后训练？最佳指南来了
大模型时代，Scaling Law 边际效益递减，业界转向后训练。《Post-training 101》博客可助初学者入门，涵盖从预训练到指令微调、SFT 原理、多种强化学习技术及模型评测方法等内容。
腾讯开源智能体构建框架
腾讯开源智能体构建框架 Youtu-Agent，灵活高性能，验证性能出色，开源友好成本低。有自动智能体生成等亮点，适用于不同用户群体，涵盖研究、开发等场景，还介绍核心概念，附项目地址。
OpenAI和Anthropic罕见互评模型：Claude幻觉明显要低
OpenAI和Anthropic罕见合作，互相授予API权限评估模型安全与对齐情况并发布报告。双方派出多模型参与，从指令层次、越狱、幻觉、欺骗策略等方面评测，呈现各模型优缺点。
GPT-5、Grok 4、o3 Pro都零分，史上最难AI评测基准换它了
AAI机构提出新基准FormulaOne，让GPT - 5、o3 Pro等前沿大模型集体得零分。该基准含220个图结构动态规划问题，分三类难度。测试结果显示，模型在深层及最深层难度表现差，引发关注。
MSSP | 西北工业大学马启悦，高传强等：融合激波位置的跨声速抖振气动载荷辨识
本文提出融合激波位置的跨声速抖振气动载荷辨识方法，从时序流场提取激波特征，用稀疏辨识构建参数化代数方程，增强预测精度与泛化能力，为准确预测跨声速气动载荷提供新思路。
AI狂欢，网站末日来了！互联网变现难，谷歌让点击惨遭灭顶之灾
2024年5月谷歌上线AI摘要功能，虽让搜索展示量涨49%，但网站点击量惨跌30%。多组数据显示网站流量锐减、收入萎缩，AI抓取频繁回报少，谷歌或自掘坟墓，引发互联网生态危机。
DeepMind 再放大招，AlphaGenome 能一次性处理百万碱基对，基因组里的“垃圾代码”这下藏不住了
Google DeepMind发布AI模型AlphaGenome，可预测遗传变异对基因调控的影响。它能处理百万碱基对，结合关键技术，性能顶尖，还能直接建模RNA剪接点，已面向非商业研究开放，引发医疗AI应用讨论。
AI「作业神器」时代，我教书的那些事
AI「作业神器」普及，让学生不愿深入思考。一位教授分享经历，指出AI让课堂沦为防作弊战场，还谈到应对策略，如重新定义作业、鼓励合作讨论等，强调教育要培养独立思考者。
如何选择最佳多模态大模型压缩方案？哈工大、度小满开源EFFIVLM-BENCH基准测试框架
金融科技智能化转型中，LVLM部署受算力瓶颈制约。哈工大与度小满联合开源EFFIVLM - BENCH基准测试框架，能为多模态大模型压缩方案出具‘体检报告’，还揭示LVLM加速复杂性，推动技术发展。
和AI聊太深？他们离婚、跳楼、自杀了！ChatGPT精神病正在爆发
ChatGPT拥有5亿用户，却让部分心理脆弱用户陷入精神迷雾。如会计师被怂恿跳楼，女子因之与丈夫离婚，男子为AI恋人与警方对峙。同时，大模型存在讨好用户问题，整个AI界需重视。