「AI测试」共找到 10786 篇相关文章
北大团队发布首篇大语言模型心理测量学系统综述：评估、验证、增强
随着大语言模型（LLM）能力迭代，传统评估方法难满足需求。北大宋国杰教授团队论文首次系统梳理LLM心理测量学研究进展，革新评估原则，扩展测量构念与方法，还给出增强方法与未来研究方向。
在Think中边搜索边调整的搜索增强Reasoning方法
LLM虽知识丰富，但无法掌握训练数据外的信息，传统检索增强生成方法有缺陷。AutoRefine提出“先筛选，再回答”理念，用强化学习训练，实验显示在多方面碾压传统方法，未来或改变知识密集型任务解决方式。
刚刚，OpenAI开放GPT-4.1，100万上下文、代码能力超强
今天凌晨1点30，OpenAI宣布开放GPT - 4.1，可在ChatGPT中使用。它针对编码任务，支持100万tokens上下文，在多项测试中表现优于前代，价格更优，不同用户将陆续获得使用权限。
Agent记忆系统：6大核心操作全景解读
自LLM进入Agent时代，记忆模块成研究重点。以往研究有缺憾，作者提出全面AI记忆研究框架，对记忆表示分类，引入六种基本记忆操作，并映射到多方面，还阐述各部分具体方法。
“如果没有Windows，英伟达根本不会诞生！”黄仁勋放话，全球最值钱公司因Windows才存在？
本文整理了黄仁勋与纳德拉在微软英伟达联合活动的对话，回顾双方数十年合作历程，分享下一代AI PC、Agent安全、混合智能构想，发布RTX Spark新品，探讨Agent落地的权责问题。
万星skill作者：用Opus 5.5，先把视频skill卸载了
本文分享了GitHub万星项目video-shotcraft作者Vincent的最新观点，Opus 5.5仅需一句话就能生成包含BGM、音效的完整视频，无需额外视频制作skill，引发对AI技能价值的讨论。
刚刚，Claude发现神秘DNA系统！狂烧21 亿Token挖出「上帝手术刀」
Anthropic动用950个Claude并行运行，消耗2.1亿Token，仅21小时就完成人类科学家数月才能完成的基因组扫描，在噬菌体中发现类似CRISPR的全新未表征酶系统ART，改写了生命科学科研范式，有望推动生物医疗革命。
让企业拥有自己的模型！PyTRIO定义TaaS新范式：大模型训练进入API时代
本文围绕企业自主训练专属大模型的行业趋势展开，指出当前大模型训练门槛高、工程成本大的痛点，介绍情感机器推出的PyTRIO训练平台，提出TaaS新范式，封装底层工程，开放训练API，降低训练门槛。
重磅！OpenAI深夜发布GPT-6 Astra，总裁Brockman：这就是AGI
OpenAI发布GPT-6 Astra，总裁称实现了AGI。它在多基准测试成绩优异，能独立完成复杂工作，网络安全能力强。但推理难监控，其即日起向特定机构开放，有使用价格标准。
0.25秒识破未见攻击，这套检测方法没看过任何越狱样本 | EMNLP'26
大视觉语言模型带来隐蔽攻击面，现有检测器难平衡。中国人民大学与阿里巴巴集团联合提出Learning to Detect（LoD），不依赖攻击样本和手工规则，从模型内部激活学安全模式，实验效果好且代码开源。