「差评」共找到 374 篇相关文章
LLM规划能力飙升79%！Google：内在自我批评技术拿下多项SOTA
Google DeepMind研究《通过内在自我批评提升大语言模型的规划能力》，不借助外部验证器，让LLM反复“自评+重写”，使Blocksworld准确率从49.8%升至89.3%，还介绍了方法及跨模型验证情况。
Meta 用一个烂 Web 应用替换原生 WhatsApp：Windows 用户活该将就？
Windows 11 版 WhatsApp 升级后只是在 WebView2 容器加载网页版，性能糟糕、卡顿，与 Windows 通知兼容性差。Meta 曾用原生应用替代 Web 版，如今又走回头路，让人担忧 macOS 版未来。
对话 Coddie 何鋡威：95 后，华为、传音、拓竹历练，用特斯拉的思路做母婴产品
Coddie创始人何鋡威，95后，曾任职华为等企业，后投身母婴赛道。他认为母婴行业产品差、毛利高，缺乏极致产品。Coddie用AI改造该赛道，做育儿大脑和生态，欲成母婴界特斯拉，目标欧美市场。
Harness Engineering 时代的失败经验
作者分享在Harness Engineering时代使用Coding Agent的经验，指出虽Agent发展快且有成功案例，但实际应用有诸多问题，如部分模型体验差、自然语言模糊影响长程工作等，还给出解决思路，文章会持续更新。
陶哲轩再爆：一个月三破18年未解难题！AlphaEvolve彻底改写数学研究规则
一项封尘18年的数学难题，在短短30天内被AlphaEvolve与人类联手三度突破，和差集指数θ从1.173050提升至1.173077，刷新加法组合学天花板，展示了AI与人类协作的新范式。
AI 一键生成网站之后，最残酷的差距出现了：代码不再值钱，审美决定生死
知名前端开发者 Wes Bos 认为，2026 年将是“设计复兴之年”。当 AI 能让任何人快速生成网站，真正的差异化将来自审美、取舍和打造独特体验的能力。如 Lando Norris 官网，靠精心设计吸引关注。
陶哲轩转发！华人数学博士后反超DeepMind AI，停滞18年数学问题1个月内3次突破
DeepMind的AlphaEvolve打破集合和差问题18年纪录，华人博士后Fan Zheng等数学家出手反击。人类用测度集中性少量辅计算机，1个月内该问题3次突破，陶哲轩称不同方法可互补推动数学进步。
马斯克Grok 4正式发布：世界最大AI超级计算机就训练了这？
Grok 4公开基准测试有进步，但在高级推理测试表现差，视觉理解仍是短板。性能提升多靠整合符号工具，无重大技术创新，‘幻觉’问题没实质进展，xAI官方对道德对齐信心不足。
Agent架构搭建 ≠ 堆Skills
现在很多Agent架构以大量Skills为基础，但这种做法大概率会翻车。Skills机制让模型自行判断是否使用及何时使用技能，其判断不可靠，随着技能数量增多，系统可靠性变差，设计上需平衡灵活性与可控性。
那位曾高喊「AI能接管一切」的CEO后悔了：宣布重启人工招聘！
Klarna CEO曾称AI能取代所有人类工作，公司也实施‘AI优先’战略，用AI客服取代人类、缩减人力。但AI客服实际表现不佳，服务体验差，Klarna决定重启人工招聘，打造‘高质量人类支持’。