AI也会「看人下菜」？Anthropic勾勒出了Claude的价值观画像
AI也会「看人下菜」？Anthropic勾勒出了Claude的价值观画像同一个问题，换一种语言问 Claude，得到的可能不只是措辞不同的答案。
来自主题: AI资讯
7533 点击 2026-07-14 15:52
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
同一个问题，换一种语言问 Claude，得到的可能不只是措辞不同的答案。
曾经我们对 AI 的期待还比较朴素，写邮件、翻译论文、聊天搭子……那时候，AI 像一个初出茅庐的实习生，你指哪它打哪，但也经常一本正经地胡说八道。
近日，自监督学习新工作 VISReg（Variance-Invariance-Sketching Regularization）获图灵奖得主 Yann LeCun 连续转发并给予高度认可 —— 他在转发时评价道「VICReg begat SIGReg which begat VISReg」（VICReg 孕育了 SIGReg，SIGReg 又孕育了 VISReg），
7月6日，腾讯混元Hy3正式版发布。
Reve 在 7 月 9 日把图像模型迭代到了 2.1 版。距离 2.0 发布刚好一个月，放在基础模型圈子这不算常见。前面只挡着一个 OpenAI 的 GPT Image 2。另外官方说：「训练这版模型用的算力不到排行榜前后邻居的十分之一」。
打官司，从来不是一问一答就能结束的事。
过去几年，扩散模型几乎定义了高质量图像生成：从随机噪声出发，经过多轮迭代，逐步 “雕刻” 出一张图像。但随着大语言模型席卷人工智能领域，另一条路线正迅速走到舞台中央 —— 图像，能否也像语言一样，通过自回归方式逐步生成？
不教AI认手,而是从视频世界模型里直接「读」出双手:三大基准SOTA,让百万小时野生视频第一次能变成机器人的操作教材。
奖励模型（Reward Model, RM）是大语言模型对齐的核心组件，负责为模型输出提供符合人类偏好的评价信号。现有方法各有短板：标量判别式 RM 高效稳定但可解释性有限；生成式 judge 能给出判断理由，却需为每个样本生成长 reasoning，token 与延迟开销显著。
近期，围绕「世界模型」的讨论持续升温。机器人、自动驾驶、视频生成、具身智能等多个方向都在频繁使用这一概念，相关系统不断出现，演示形式日益丰富，评价指标也越来越多。伴随这一趋势，一个基础问题变得格外重要：当一个模型被称为「世界模型」时，人们究竟在评价什么？