全部动态
这个系统解决了企业用AI时最头疼的问题——不知道效果好不好，能不能用。它不是简单测试模型能力，而是模拟真实工作流，给出具体的数据和决策标准。
朋友，这是篇挺有意思的论文，研究的是临床预测中 VLM 模型如何利用 ECG 数据。他们发现模型虽然能处理多模态信息，但可能没真正用到 ECG，然后提出了一种叫视觉提示词调优的方法来解决这个问题。
这篇论文挺有意思的，专门研究大模型如何理解中文网络热词，比如“yyds”这种，还做了个专门的基准测试，对做跨语言AI或者安全相关的研究应该挺有参考价值。
这篇论文介绍了一种叫 RegKT 的新技术，专门用来提升知识追踪模型的性能，让它在处理教育数据时更稳定，不容易过拟合，同时还能保持模型的可解释性，对做教育应用的开发者可能有帮助。
这个研究很实用，它告诉你别只看模型在基准测试上的分数，因为换一个数据集或者换一种提问方式，结果可能就大不一样了，比如健康对照组换成非结核病对照组，模型的准确率就会下降。
朋友，TrialAtlas 这个多智能体系统挺有意思的，专门帮药企做临床试验设计，能从文献和监管历史里学习经验，比 OpenAI 和 Gemini 的效果都好，值得看看。
Gary Marcus 发推澄清，他之前的研究并未证明大语言模型（LLM）能感受痛苦。该研究主要关注模型内部动态和行为模式，而非情感体验。许多“AI 影响者”过度解读了研究结果。
牛津研究团队发表新论文，通过数学论证指出，大模型（LLMs）无法真正“发明”新事物，因为它们本质上是预测下一个词的模型，无法相信现有数据中错误的信息。作者认为，人类能够基于现有数据提出新理论，而大模型则只能反映过去。作者每天使用这些模型，发现新突破通常来自人类判断现有数据错误并做出新理论。
DAIR.AI 和 MIT 新方法 SIFT，用 LLM 判定器筛选，把代码生成效率提升 10 倍，比 DGM 算法快很多。
仅展示最近 2000 条内容，更早的内容请查阅 AI 日报存档