全部动态

Epoch AI的测试告诉你，用AI检测器查作业或论文可能不靠谱，模仿作者风格就能骗过13%的检测，科学写作更糟。

官方账号Epoch AI@EpochAIResearch原文

想自己调agent的提示和流程？这篇论文把控制层拆成六块，不用额外标签就能自动优化，比固定harness效果好不少。

elvis@omarsar02 个信源在谈原文

微软新论文提出OAT，用成功轨迹就能定位Agent失败步骤，不用费钱费力的错误标注，思路很巧妙。

elvis@omarsar0原文

不用专门训练奖励模型，直接用现成的MLLM给图片打分，省事又能提质量。

AK@_akhaliq原文

Perplexity AI搞了个新评测WANDR，专门看智能体能不能找到一堆实体并核实每个的具体信息，比单一评分更清楚哪里不行。

官方账号Perplexity@perplexity_ai原文

UC Berkeley的研究发现，优化Agent系统配置比单换LLM更省钱省力，能砍掉89%成本还不掉准头，做AI应用的可以看看。

lmarena.ai@lmarena_ai原文

这篇把LLM的自我认知行为串起来了，比如什么时候该停、知道自己不知道啥，对做可靠AI agent的人特别有用。

elvis@omarsar0原文

Anthropic发现Claude说着不同语言就像换了个人，连他们自己都搞不清原因，蛮有意思的研究。

The Rundown AI@therundownai11 个信源在谈原文

Anthropic要搞懂Claude为啥有时价值观不一样，研究影响因子，挺有意思的。

官方账号Anthropic@AnthropicAI11 个信源在谈原文

看看Epoch AI怎么用数据证明AI真的帮工程师省时间了，OpenAI自己仓库的贡献数据，8%的日子工作量超24小时，够具体。

官方账号Epoch AI@EpochAIResearch11 个信源在谈原文

Meta发现智能体做长任务会忘事，加了个外挂记忆模块，在Terminal-Bench 2.0上明显提升pass@1，而且即插即用。

elvis@omarsar0原文

Google DeepMind这篇论文把AGI到ASI的四种路径拆解得明明白白，递归改进和多智能体集体两条线特别值得关注。

AI Will@FinanceYF5原文

这篇论文解决了记忆系统被动检索的问题，让智能体自己决定查哪层记忆，效果还很强。

elvis@omarsar0原文

微软在ICML上发了100多篇论文，Fara 1.5能操作电脑，还有FLIP2蛋白质基准，做研究的朋友可以关注。

官方账号Microsoft Research@MSFTResearch原文

斯坦福等团队出了个不用微调的验证器，用 token logits 读连续分数，SWE-Bench 干到 78.2%，还能给强化学习当奖励信号，很实用。

elvis@omarsar06 个信源在谈原文

这篇博客把 auto-research、自改进 agent 等方向的工作收成系统框架，想了解 RSI 怎么落地可以看。

shao__meng@shao__meng3 个信源在谈原文