Mira Murati旗下TML与Bridgewater微调模型实现84.7%准确率
Mira Murati团队和桥水基金一起搞了个AI筛选新闻的实验，先用GPT、Claude只有50%准确率，专家写提示词到75%还是不够，最后微调模型干到了84.7%，成本还低了13倍多。
#GPT
共 104 条 · 7 天 9 条 · 30 天 30 条
7月3日
7月1日
6月30日
6月26日
行业11:26
为什么AI还没成为动词：从“Google it”到“GPT it”的缺失Andrew Chen发现一个有趣现象：Google和Uber都成了动词，但GPT和Claude还没有。聊聊为什么AI品牌还没渗透到日常用语里。
6月25日
6月23日
6月17日
论文10:45
RubricsTree：面向个人健康代理的可扩展开放式评估框架RubricsTree用4000条真实查询构建100多条可验证规则，评估健康AI比LLM裁判更准，还能当训练奖励，让Gemini等模型性能飙升66%。
6月16日
6月15日
Arena设计测评Claude领先，Qwen 3.7 Max惊艳，分享AI出图工作流
设计测评里Claude最强，不用它可以试试Qwen 3.7 Max。还有一套用design.md先出图再生成页面的工作流，挺实用。
6月6日
产品10:47
npx --yes was-gpt-here@latest 一键运行 GPT 工具这个 CLI 工具让开发者能秒级体验 GPT 功能，适合喜欢命令行操作的 AI 玩家和效率工具爱好者，值得一试。
6月5日
让AI生成设计远离AI味道：Design.md + 图片参考是关键
做AI设计或UI的团队终于有了可落地的避坑指南——用Design.md和图片参考替代直接提示词，效果立竿见影，建议直接收藏这套工作流。
Claude 4.8/GPT 5.5写作能力反降，网友质疑All in Coding导致
如果你用AI写文章、文案或创意内容，这个现象值得关注——模型在编程上越强，写作可能反而变差，做内容创作的建议点开看看讨论。
6月1日
跨语言审计揭示LLM性别偏见：偏差幅度达人类2.5倍
这项研究揭示了AI性别偏见在跨语言环境下的复杂性和放大效应，对多语言AI部署团队和公平性研究者来说，是理解偏见机制、设计针对性缓解策略的关键参考。建议关注其四模式框架和跨语言属性重组发现。
5月30日
5月26日
Claude vs GPT：编程时Claude原则分明，GPT默默干活
做AI编程的开发者会发现Claude和GPT的伦理差异直接影响工作流——Claude会拒绝某些任务，GPT则默默执行，选对工具能避免意外中断或合规风险，值得点开对比。
5月25日
5月24日
5月21日
Cola 接入 Codex 登录，用户可用 Codex 套餐驱动
如果你有 Codex 套餐用不完，现在可以直接驱动 Cola，省下另一份订阅费。做 AI 工具集成的开发者值得关注这个巧妙的资源复用思路。
5月19日
从Node2Vec到GPT GraphRAG：论文影响力预测对比研究
做学术影响力预测或科研评价的团队，这篇论文直接对比了图模型和LLM两种路线，给出了冷启动场景下的最佳实践——有向引用图+文本嵌入组合最稳，GraphRAG未必比简单提示好。值得点开看具体实验设计和结论。
5月18日
5月15日
5月12日
论文19:11
GPT、Claude、DeepSeek、Grok如何分配西班牙和德国社会预算该研究揭示了LLM在公共政策模拟中的系统性偏差，对AI辅助决策的可靠性提出警醒，值得政策制定者和AI开发者关注。
5月11日