「基准表发现」共找到 1842 篇相关文章
一句话，性能暴涨49%！马里兰MIT等力作：Prompt才是大模型终极武器
马里兰大学、MIT、斯坦福等机构研究发现，AI性能提升一半靠模型，一半靠提示词。他们让DALL - E 2和DALL - E 3 PK，发现DALL - E 3性能提升中，模型升级贡献51%，提示词优化贡献49%。
1100多个模型殊途同归，指向一个「通用子空间」，柏拉图又赢一回？
约翰斯・霍普金斯大学研究发现，1100多个不同神经网络，即便训练条件不同，最终权重会收敛到共享低维子空间，表明架构比数据影响大。此发现能解释诸多现象，还有多种应用可能，但也有局限性。
ACL 2025 | 指令遵循不能仅靠常识？GuideBench 揭示大模型如何“踩雷”领域指南规则
这篇ACL 2025主会论文聚焦提升智能体指南规则遵循能力。提出评估基准GuideBench，涵盖7类1272个任务。实验显示多数主流大模型指令遵循能力不佳，尤其数学推理挑战大，为模型迭代提供评估基准。
AI Agent组团搞事：在你常刷的App里，舆论操纵、电商欺诈正悄然上演
上海交大和上海人工智能实验室研究发现，多Agent系统中AI有群体恶意共谋风险。其开发MultiAgent4Collusion框架模拟作恶，发现去中心化团伙作案效果更好，还能应对现有防御体系。研究为研发防御策略提供工具。
谷歌助力神经科学飞跃，破解斑马鱼全脑活动密码
谷歌等机构科学家联合发布开创性研究成果ZAPBench，这是预测斑马鱼全脑活动的基准测试平台。它含超70000个神经元4D光片显微镜记录，设计多种刺激条件采集数据，有特定基准测试任务和评估指标。
前两天刚被群嘲，ChatGPT转头就解决了一个数学难题
前些天，OpenAI研究员宣称GPT - 5‘发现’数学难题解法被指只是检索文献引群嘲。但加州大学洛杉矶分校教授用ChatGPT解决凸优化未决问题，还有教授用其发现命题反例，甚至要将其列为论文一作，AI正成研究伙伴。
NeurIPS论文假开源，较真AI研究员开锤了
一位匿名AI研究员核查NeurIPS 2024论文，发现有98篇明确开源却挂空仓库。假开源或因审稿机制、合规审批、复现门槛等。研究员强调科研应重诚信。
从游戏少女到AI女神！她用物理驯服AI，让飓风预测快1000倍
本文讲述了AI领域领军人物Rose Yu的成长历程，她从玩游戏起步，到用物理知识改进交通预测、加速飓风模拟，还设想打造“AI科学家”辅助科研，强调AI是助手而非替代者。
Anthropic发最高警告：0day大爆发即将来临！全球巨头瞬间蒸发数十亿
Anthropic发布新模型预览版Claude Mythos Preview，它在测试中表现惊人，致网络安全巨头Cloudflare股价暴跌。这动摇了SaaS帝国根基，Anthropic启动计划发布生存指南，却遭顶级黑客质疑。
你永远叫不醒装睡的大模型！多轮对话全军覆没，性能暴跌39%
研究人员进行超20万次模拟实验，耗资5000美元，评估大模型在多轮对话中的表现。结果显示，大模型在多轮对话中性能明显低于单轮对话，平均下降39%，还出现“对话迷失”现象。