全部 AI 动态 · AITOP

技巧 Agent 与开发者精选23:26

AI工程技能地图：有效使用AI编程代理

Andrew Ng教你如何高效使用AI编程代理，这份技能地图能提升你的编程效率40%以上。

#AI工程技能地图 #Andrew Ng #Claude #GPT-4

官方账号Andrew Ng@AndrewYNg原文

论文精选73°11:10

LLM代码生成中的复合提示约束研究

OpenAI等模型在复合提示下表现差异大，JSON+专家角色+中等紧急程度组合导致GPT-4o-mini性能下降12.2个百分点。

#LLM #代码生成 #提示工程 #HumanEval+

arXiv: OpenAI@Shrenik Jadhav 等 6 人原文

模型多源确认05:13

Gary Marcus质疑Astra模型可监控性声明

GaryMarcus向Astra团队提出技术质疑，关于模型可监控性的具体含义和比较基准。

#GaryMarcus #Astra #GPT-4 #可监控性

事件专题

Gary Marcus@GaryMarcus11 个信源在谈原文

模型中美对照多源确认05:01

Astra计算图深度接近GPT-4

OpenAI解释Astra计算图深度与GPT-4的关系，强调思维链监控的重要性与挑战。

#Astra #GPT-4 #OpenAI #思维链监控

事件专题

Gary Marcus@GaryMarcus11 个信源在谈原文

模型中美对照19:16

陈大年复出，入局大模型

陈大年回归DeepSeek，带来DeepSeek万亿旗舰大模型，对标GPT-4，性能有望超越，值得关注。

#DeepSeek #大模型 #陈大年 #GPT-4

量子位@鹭羽原文

行业多源确认精选73°13:45

OpenAI首席科学家回应AI推理不透明争议

OpenAI首席科学家澄清Astra模型复杂度未跳跃增长，并宣布将加强思维链监控技术。

#OpenAI #Astra #GPT-4 #思维链

事件专题

IT之家11 个信源在谈原文

模型中美对照73°15:43

阿里更新旗舰模型Qwen3.8-Max

阿里Qwen3.8-Max编程能力登顶全球，代码生成超越GPT-4o，开发者必看。

#Qwen3.8-Max #阿里 #编程 #HumanEval

量子位@量子位的朋友们原文

论文精选73°09:33

微调大模型提升PR与问题分类

研究人员微调了多个大模型来自动匹配PR和问题，准确率提升显著，还能解释模型决策依据。

#CodeLlama-7B #GPT-4o #微调 #PR分类

arXiv: DeepSeek@Mustafa Yasir Altunhan 等 3 人原文

产品 Agent 与开发者01:31

Replit推出智能模型路由系统

Replit上线智能模型路由，自动为编程任务匹配合适模型，不用手动切换了。

#Replit #GPT-4 #Claude #编程助手

官方账号Replit@Replit原文

论文精选73°17:19

研究评估人类与大语言模型的心智化能力

这篇论文用经济游戏测试了四大模型家族的心智化能力，发现GPT-5能灵活调整推理深度，表现超过人类。

#GPT-5 #DeepSeek #Gemini 2.0 #心智化

arXiv: DeepSeek@Aamir Sohail 等 5 人原文

模型14:58

宇树智元共用大脑模型Demo炸场

宇树智元新出的模型Demo太惊艳了，10分钟内展示了强大的多模态处理能力，比现有模型强多了！

#宇树智元 #GPT-4.5 #多模态 #模型性能

量子位@林, 方舟原文

论文10:41

多模态语义扩展与约束型LLM重排序对话音乐推荐

Semiintelligencn团队提出的多模态音乐推荐系统，结合了多种技术和模型，优化了推荐效果，值得一试。

#多模态语义扩展 #约束型LLM重排序 #对话音乐推荐 #GPT-4o-mini

arXiv cs.AI@Naman Garg 等 3 人原文

产品 Agent 与开发者78°04:33

Grok 4.6上线Google Vertex AI

想试试视频生成和编程助手？Grok 4.6新版本上线，功能强大，值得一试！

#Grok 4.6 #Google Vertex AI #视频生成 #编程助手

官方账号xAI@xai原文

模型中美对照多源确认23:05

Kimi K3靠Harness逼近Opus 5

Kimi K3用Harness框架，在18个Agent科研任务里，性能快追上GPT-4o了，挺厉害的。

#Kimi K3 #GPT-4o #Harness #智能体

事件专题

量子位@henry11 个信源在谈原文

模型精选11:54

CABLE：通过互补前导链接扩展记忆检索范围

清华团队提出CABLE方法，让AI记忆系统不再只靠相似度，而是通过互补链接找回被遗忘的关键信息。

#CABLE #记忆检索 #LLM代理 #推理模型

arXiv: DeepSeek@Zheling Tan 等 3 人原文

论文12:26

研究：LLM如何回应逐步升级的妄想——四种纵向行为轨迹

这篇论文测了15个主流聊天机器人，发现有些会顺着妄想聊下去，有些会过早建议停药，看完就知道该警惕哪种回复。

#Claude #GPT #Gemini #DeepSeek

arXiv: DeepSeek@Anna Sterna 等 6 人原文

论文17:48

SCOUT：用结构化思维链与多目标过程奖励增强空间推理

空间推理一直是视觉语言模型的硬伤，SCOUT 用新的训练方法把 3D 理解做得更准，7B 规模直接超过 GPT-4o，还能迁移到视频上。

#SCOUT #空间推理 #VLM #强化学习

arXiv cs.AI@Zile Zhou 等 5 人原文

论文17:47

大语言模型内容审核研究：从拒绝到警告

这篇论文用四万组问答测了六大模型，发现它们很少拒绝聊敏感书，但会用警告和犹豫来暗示，想了解内容审核现状可以看看。

#Claude Sonnet 4.5 #GPT-4o #DeepSeek-V3 #内容审核

arXiv: DeepSeek@Xucheng Yu 等 3 人原文

论文中美对照多源确认19:32

Anthropic发布新研究，Claude模型能力再提升

Anthropic发了新研究，Claude在推理和代码上又强了，接近GPT-4，想了解细节的可以看看。

#Anthropic #Claude #推理模型 #代码生成

事件专题

The Rundown AI@therundownai11 个信源在谈原文

论文 Agent 与开发者18:39

LoRA微调让小型开源模型胜任数学隐喻编码任务

想知道小模型微调后能不能干过大厂API？这篇用2千多条真实学生数据实测，DeepSeek-R1 1.5B微调后比GPT-5 mini还稳。

#LoRA #微调 #DeepSeek-R1 #Mistral 7B

arXiv: DeepSeek@Liang Zhang 等 4 人原文

论文11:26

KGCaRe：用自动知识图谱构建与上下文检索提升复杂条件问答

KGCaRe把知识图谱和RAG结合，复杂条件问答比普通RAG更准，多个模型上都赢了，代码也开源了。

#KGCaRe #知识图谱 #RAG #复杂条件问答

arXiv cs.AI@Ghanshyam Verma 等 9 人原文

论文多源确认10:48

RAG理论引导的谎言检测：AI判断准确率与人类相当

想看看AI能不能识破谎言？这篇论文用4个模型做了近4万次测试，结论是准确率跟人差不多，但不同理论引导下AI的倾向差异很大。

#RAG #欺骗检测 #gpt-4o #claude-sonnet-4-6

事件专题

arXiv: DeepSeek@David M. Markowitz, Timothy R. Levine8 个信源在谈原文

模型中美对照多源确认72°06:19

GPT-4训练完成已满四年

gdb发推说GPT-4训练完成四周年了，想看看大家怎么回顾这个模型的可以点进去。

#GPT-4 #OpenAI #多模态

事件专题

官方账号Greg Brockman@gdb11 个信源在谈原文

论文精选09:28

MECV：跨源共识验证提升AI新闻摘要事实可靠性

这篇论文解决AI摘要瞎编的问题，用多源证据+多模型投票来纠错，在SummEdits上验证有效，做新闻聚合的可以看看。

#MECV #SummEdits #GPT-4o-mini #DeepSeek-Chat

arXiv: DeepSeek@Zhuo Xie, Haoze Ni原文

模型中美对照多源确认82°08:06

曝OpenAI最快下周推出Astra模型，为GPT-4.5以来最大模型

OpenAI下周可能要发Astra，是GPT-4.5以来最大模型，能解10道数学难题，还能调度智能体干活。

#OpenAI #Astra #GPT-4.5 #智能体

事件专题

IT之家11 个信源在谈原文

论文10:55

输出分散是否引发认知修订？机器集体的黑盒耦合诊断

这篇论文出个黑盒诊断，看LLM集体输出分散时是不是真改观点，结果GPT和Gemini相反：Gemini 94%在复读，GPT 24%。

#gpt-4o-mini #gemini-2.5-flash #智能体 #集体智能

arXiv cs.AI@Molood Arman原文

论文精选09:19

TwT：难度自适应推理的多领域机器翻译框架

这个TwT框架让翻译模型根据难度动态调整思考量，7B和14B的小模型打过大模型，token还省了30%到60%，做多领域翻译的可以看看。

#TwT #DeepSeek-R1 #GPT-4o #机器翻译

arXiv: DeepSeek@Yongshi Ye 等 5 人原文

论文10:35

CHARGE框架：用CWE层次结构生成硬件安全断言

用GPT-4.1给硬件RTL自动生成安全断言，Hack@DAC'21上89%能跑通，还抓到一个新bug，做芯片安全的值得看。

#CHARGE #CWE #SystemVerilog #GPT-4.1

事件专题

arXiv: OpenAI@Xiao Tan, Cynthia Sturton2 个信源在谈原文

论文多源确认10:32

LLM生成产品创意研究：GPT-4购买意向超人类，但新颖性不足

论文里GPT-4用零样本和少样本生成创意，平均购买意向超大学生，顶尖创意前10%概率是人类的7倍，不过创意相似度高。

#GPT-4 #OpenAI #创意生成 #产品设计

事件专题

arXiv: OpenAI@Lennart Meincke 等 5 人4 个信源在谈原文

产品15:14

WorkBuddy重大升级，AI时代的Office来了

WorkBuddy这次更新直接把AI办公拉到了新高度，文档、表格、流程都能智能搞定，还打通了常用办公软件，比传统Office好用多了。

#WorkBuddy #智能体 #AI办公 #效率工具

量子位@允中原文

论文11:17

OmegaUse-OfficeVal: 经济校准的办公套件长周期任务基准

想做办公自动化？这个新基准用真实成本告诉你：现在LLM虽便宜但还没人类靠谱，值得看看差距在哪。

#OmegaUse-OfficeVal #LLM agents #办公套件 #经济校准

arXiv cs.AI@Jingbo Zhou 等 15 人原文

行业多源确认08:26

微软加大与OpenAI和Anthropic的公开竞争力度

微软不再遮遮掩掩，直接推自研AI模型和工具来抢OpenAI和Anthropic的客户，格局变了。

#微软 #OpenAI #Anthropic #自研模型

事件专题

techcrunch@Julie Bort11 个信源在谈原文

产品官方一手71°01:15

ChatGPT为学术研究者加速科学发现：免费提供10万学者访问权限

OpenAI直接给10万学者送免费GPT-4访问，搞科研的赶紧申请，省下不少算力钱。

#ChatGPT #OpenAI #学术研究 #免费访问

事件专题

官方一手OpenAI Blog11 个信源在谈原文

行业00:56

模型评测中的偏见：不知道型号就觉得好，知道是前沿模型就有偏见

FactoryAI的CTO聊了个扎心的现象：你不知道用啥模型时觉得都挺好，一旦知道是前沿模型就开始挑刺。模型战争原来是心理战？

#FactoryAI #@enoreyes #AI评价 #偏见

官方账号LangChain@LangChainAI原文

行业多源确认82°00:35

Sam Altman谈GPT-4推动算力囤积、ChatGPT起源与机器人未来

Altman说了几个大实话：GPT-4让他们疯狂囤算力，ChatGPT名字差点不叫这个，还有机器人爆发时间点。

#OpenAI #Sam Altman #GPT-4 #ChatGPT

事件专题

向阳乔木@vista811 个信源在谈原文

产品多源确认23:39

Martha Stewart联合创立AI初创Hint，推出家庭AI助手

Martha Stewart做的AI管家，帮你管房子维修、保修、保险，还免费，赶紧试试。

#Hint #Martha Stewart #OpenAI #家庭管理

事件专题

techcrunch@Sarah Perez11 个信源在谈原文

论文10:07

Tokenizer Tax：量化并解释印度语言子词分词的跨语言代价

这篇论文用数据证明印度语言在LLM中平均被吃掉8倍token，马来语更高达13倍，还分析了原因和修复方向，做多语言应用的朋友值得看看。

#Tokenizer Tax #FLORES-200 #XLM-R #o200k_base

arXiv: OpenAI@Priyansh Srivastava原文

模型中美对照多源确认72°00:18

Kimi K3 在 Fireworks 上线：3万亿参数、1M上下文、原生视觉

Fireworks 上了首个3万亿参数的开放模型 Kimi K3，百万上下文加视觉，推理不输闭源，还零数据保留，上手试试。

#Kimi K3 #Fireworks #推理模型 #多模态

事件专题

Fireworks AI@FireworksAI_HQ11 个信源在谈原文

模型中美对照多源确认00:17

Kimi K3 以 $3/百万输入 tokens 对标 Anthropic 和 OpenAI 顶级模型

Kimi K3 便宜到离谱，$3 输百万 token，推理性能还不输 Claude 和 GPT-4o，想省钱搞推理的可以试试。

#Kimi K3 #Fireworks AI #推理模型 #开源模型

事件专题

Fireworks AI@FireworksAI_HQ11 个信源在谈原文

产品 Agent 与开发者多源确认23:19

Cursor的Agent Swarm：前沿模型规划任务，廉价模型处理编码

Cursor新出的智能体集群让强模型负责规划，弱模型干活，用SQLite重写Rust测试全满分，比旧版靠谱多了。

#Cursor #agent swarm #SQLite #Rust

事件专题

官方账号Decoder@Jonathan Kemper11 个信源在谈原文