推理正确率下降65.5%！斯坦福、MIT等用「不等式」拷问AI逻辑极限
大语言模型在数学证明中常出现推理漏洞，如跳步或依赖特殊值。斯坦福等高校团队提出IneqMath基准，将不等式证明拆解为可验证的子任务。结果显示，模型的推理正确率远低于答案正确率，暴露出其在数学推理上的缺陷。在大模型频频给出「看似完美」答案
CVPR 2025 Award Candidate | 英伟达等Difix3D+：用单步扩散模型修复 3D 重建伪影
在 3D 重建领域，无论是 NeRF 还是最新的 3D Gaussian Splatting（3DGS），在生成逼真新视角时仍面临一个核心难题：视角一旦偏离训练相机位置，图像就容易出现模糊、鬼影、几何错乱等伪影，严重影响实际应用。为了解决
提升大模型内在透明度：无需外部模块实现高效监控与自发安全增强｜上海AI Lab & 上交
大语言模型（LLM）能力提升引发对潜在风险的担忧，洞察其内部“思维过程”、识别危险信号成AI安全核心挑战。当前主流用外部“黑盒”监控模块解读模型表征，此类方法如“隔靴搔痒”：独立于模型，解读逻辑不透明、结果可信度低，且对数据分布变化敏感、
我在哪？要去哪？要怎么去？字节跳动提出Astra双模型架构助力机器人自由导航
在当今科技飞速发展的时代，机器人在各个领域的应用越来越广泛，从工业生产到日常生活，都能看到它们的身影。然而，现代机器人导航系统在多样化和复杂的室内环境中面临着诸多挑战，传统方法的局限性愈发明显。一、传统导航瓶颈凸显，Astra 应势而生在
性能提升11.74%！腾讯优图提出激励推理，专攻复杂指令
现有的语言大模型（LLMs）在复杂指令下的理解和执行能力仍需提升。腾讯优图（UTU）研究团队提出一种系统性方法——激励推理（Incentivizing Reasoning )，来提升LLM处理复杂指令的能力。结果显示，该方法能够有效提升大
AI真的需要「像人类」那样思考吗？AlphaOne揭示属于大模型的「思考之道」
「The most effortful forms of slow thinking are those that require you to think fast.」 ——Daniel Kahneman，Thinking，Fast a
28岁辍学生掌舵Meta超级AI！小扎掷千亿，与奥特曼密谋，新「王」登顶
Alexandr Wang的人生堪称AI时代的缩影，19岁辍学到28岁掌管Meta超级智能。在最近的一场专访中，他谈到了AI的潜力与缺陷，他将如何影响这场智能革命的方向？19岁MIT辍学，24岁白手起家的亿万富翁，扎克伯格为他豪掷143亿
NVIDIA Tensor Core 的演变：从 Volta 到 Blackwell
https://semianalysis.com/2025/06/23/nvidia-tensor-core-evolution-from-volta-to-blackwell/在我们去年 AI Scaling Laws article
AI已学会PUA！Anthropic「说服」调查
这是一篇来自伊利诺伊大学香槟分校联合Anthropic发布的重磅报告，系统性地梳理了"计算说服"这个新兴领域。您可能会好奇"计算说服"是什么？传统人际说服基于理论构建（如亚里士多德的修辞学 、西奥迪尼的说服六原则 ）和人类参与的实验。完全
LLM进入「拖拽时代」！只靠Prompt，几秒定制一个大模型，效率飙升12000倍
现在的大模型基本都具备零样本泛化能力，但要在真实场景中做特定的适配，还是得花好几个小时来对模型进行微调。即便是像LoRA这样的参数高效方法，也只能缓解而不能消除每个任务所需的微调成本。刚刚，包括尤洋教授在内的来自新加坡国立大学、得克萨斯大
- Advertisement -
AI每日快报
把AI agent用在这一垂直领域，这家公司拿到a16z领投的1700万美元，还让传统经销商预约量暴涨6倍
你能想象一个汽车经销商每天漏接45%电话的场景吗？这意味着几乎一半想要预约保养、询问配件或购车咨询的客户都被直接晾在了一边。在一个平均利润只有个位数百分比的行业里，这种损失简直是灾难性的。更让人头疼的是，经销商的电话客服部门（BDC）员工
