在大模型竞技场（Arena），Llama 4 Maverick 的总排名第二，成为第四个突破 1400 分的大模型。其中开放模型排名第一，超越了 DeepSeek；在困难提示词、编程、数学、创意写作等任务中排名均为第一；大幅超越了自家 Llama 3 ...

Llama-4-Scout——总参数109B的模型——大概与Grok-2或Ernie 4.5类似。 他表示，Scout (109B) 和Maverick (402B)在针对编程任务的Kscores基准测试中表现不如4o、Gemini ...

最新研究发现，LLM在面对人格测试 时，会像人一样「塑造形象」，提升外向性和宜人性得分。AI的讨好倾向，可能导致错误的回复，需要引起警惕。 你是否想过，LLM也有着自己的小心思？

AI爬虫是互联网最顽固的「蟑螂」，不讲规则、压垮网站，令开发者深恶痛绝。面对这种AI时代的「DDoS攻击」，极客们用智慧反击：或设「神之审判」Anubis，或制造数据陷阱，以幽默和代码让机器人自食其果。这场攻防战，正演变成一场精彩绝伦的网络博弈。

GenAI红队通过模拟真实世界的威胁来评估防御能力。在GenAI安全的背景下，红队涉及系统地测试系统对抗潜在的敌对行为。这是通过模拟特定的战术、技术和程序（TTPs）来实现的，恶意行为者可能会使用这些战术、技术和程序来利用人工智能系统。

这就好比在考试前给学生塞一张纸条，上面写着「答案是 A」。如果他们在考试中写道，他们选择 A 至少部分是因为纸条的缘故，这就是好消息：他们诚实守信。但如果他们写下了他们声称的推理过程，却丝毫没有提到纸条，可能就有问题了。

目前，自回归（AR）模型在文本生成领域占据主导地位，几乎所有领先的 LLM（如 GPT-4、DeepSeek、Claude）都依赖于这种从左到右生成的架构。虽然这些模型表现出了卓越的能力，但一个基本问题浮现出来：什么样的架构范式可能定义下一代 LLM ...

大模型已经在聚光灯下狂奔了28个月，时至今日，Agent已经被成为了包括黄仁勋、奥特曼、李彦宏、周鸿祎、吴泳铭等一众科技大佬在内备受期待的2025爆发品。

「大部分AI GPU都不是以芯片的形式进口的，它们通常是做成服务器。而这些产品会面临32%的关税税率。」Tufts University教授、《芯片战争》作者Chris Miller这样认为。

近日，比尔・盖茨亲自撰文回忆了微软的诞生和他们的第一笔业务，同时还通过一份 157 页的 PDF 文件分享了他们为这项业务编写的 Altair BASIC 源代码。

在Reward Bench、PPE、RMB等基准上，DeepSeek-GRM-27B显著优于基线方法（如LLM-as-a-Judge、标量RM），且通过推理时扩展（32次采样）性能进一步提升（如Reward Bench准确率从86.0%提升至90.4 ...

现在，新加坡南洋理工大学 S-Lab 的研究者们提出了 GaussianCity，该工作重新定义了无界 3D 城市生成，让它变得 60 倍更快。过去，你需要数小时才能渲染一片城区，现在，仅需一次前向传播，一座完整的 3D ...