AI说不出的随机数,成了鉴别套壳大模型最好的照妖镜。
AI说不出的随机数,成了鉴别套壳大模型最好的照妖镜。昨天看到了一篇论文,特别有意思,让我连夜读完了。
搜索
昨天看到了一篇论文,特别有意思,让我连夜读完了。
模型决定起点,数据定义终局。
好久不见,汇报一下近况。 这两个月没闲着,推掉了大部分事情,全力在做自己非常喜欢的新产品——Chat Memo 的 Agent 端。(目前小规模内测,公开内测等发布文章)
过去两年,AI智能体(Agent)完成了一次身份转变。
今天上午,一位在 Anthropic 工作的数学家 Levent Alpoge 发了一条推文。学术圈的反应很快。斯坦福的数论学家 Jared Duker Lichtman 转发并逐步拆解了这个反例,还顺手挖出了一段几乎像电影桥段的历史巧合(后面细说)
就在今年的WAIC上,无问芯穹一口气亮出了「前店后厂一中心」,一整套完整的Agentic Infra战略布局:算力集散中心(一中心):Agentic Infra自主式基础设施平台;Token工厂(后厂):Agentic MaaS大模型服务平台;
最近喜欢用Flova做点AI小视频。
让大模型 "读得更长" 一直是 Agent、深度推理和海量资料整合等场景的刚需,但标准全注意力机制的计算量随序列长度呈平方级增长,始终是横亘在长上下文建模面前的三座大山。
在计算历史的绝大部分时间里,编程的本质是一项翻译工作:开发者需要在人类理解的维度上剖析问题,设计抽象方案,随后将其转译为机器能够执行的语法。当前的软件工程领域正在经历自高级编程语言问世以来最为显著的变化。
让大模型给一张图片打“质量分”,它其实经常看走眼。