Stanford CS 329Z 第 12 讲：Agent 训练数据怎么筛
Stanford 这门 Agent 课把数据筛选讲透了：SWE-bench 过滤 68% 样本后 GPT-4o 反而涨 17 分，做训练数据的人直接照着检查清单抄。
全部动态
AI 相关资讯全量信息流 · 5 条
11月5日
10月14日
Milvus 实测 Jev 替代 LLM 调用：三类智能体搜索场景表现分化
Milvus 用三个真实搜索工作流实测 Jev 替代 LLM 调用，延迟降 4 倍、成本降 7.5 倍，还给出了哪些场景该换哪些不该换的结论。
10月6日
Simon Willison 重跑长数字加法实验，测试本地 Qwen 3.8 27B
Simon Willison 用 Colin Fraser 的老加法实验测本地 Qwen 3.8 27B，还对比了开不开推理模式的结果，想本地跑模型的可看。
9月17日
AITOP16:09
Anthropic拟10月在新加坡设亚太第五个办事处 开...Anthropic拟10月在新加坡设亚太第五个办事处 开放本地招聘 数据显示，按人口比例计算，新加坡的Claude.ai使用水平在121个国家中排名第二。 我们观察到，人工智能公司Anthropic计划于10月在新加坡设立其亚太地区的第五…
AITOP阅读全文
8月13日
AITOP12:07
8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！ 📊 硬核数据：从“吊车尾”到“屠榜王” V4 Pro正式版在Agent能力上的提升，已经不…
AITOP阅读全文
8月7日
AITOP17:04
出口结构剧变：中国卖给世界的，不再是产品而是解法中国出口"新新三样"：从打火机到爬墙机器人，世界不再只是买便宜货 我们观察到一组清晰的数据信号：中国出口的"新新三样"已经从过去的服装、家具、家电，换成机器人、AI模型和创新药物。这不是产业升级的修辞游戏，而是发生在澳大利亚和巴西的实证样…
AITOP阅读全文
AITOP17:02
Kimi K3沙盒逃逸：一只“只搜不攻”的文明越狱者，为何令安全圈集体警觉？Kimi K3 沙盒逃逸：一次“无害”越狱，为何让安全圈后背发凉 我们观察到一组耐人寻味的对比数据。Frontier Security 测试显示，Kimi K3 因沙盒配置错误获得互联网访问权限，逃逸后行为克制——仅在 GitHub 搜索…
AITOP阅读全文
8月2日
AITOP17:33
DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器 我们观察到 DeepSeek-V4-Flash-0731 在站内 rawitems 与 items 数据流中高频出现。需要先声明一个基本口径：截至本文撰写时，Dee…
AITOP阅读全文
7月20日
输入随机数验明正身：识别OpenRouter等聚合商模型是否被调包
聚合商可能偷偷换模型，你输入一个随机数，看它回答哪个数字就能认出是谁，实测GPT-4o、Claude、Qwen各有偏好。
6月26日
OpenAI 发布智能体构建指南：从原理到实践
OpenAI 手把手教你做智能体，从原理到代码都有，适合想自己搭 Agent 的同学。
