AI Stack

TAGS / TERM

模型评估

共 207 篇

  1. 新审计技术可检测生成式AI恶意能力 2026-07-13 · BLOGS_PODCASTS
  2. 语言模型价值轴：编码正确性判断能力 2026-06-16 · ARXIV
  3. olmo-eval：模型开发循环评估工作台 2026-06-12 · BLOGS_PODCASTS
  4. 大语言模型掷骰子可靠性研究 2026-06-09 · ARXIV
  5. VendingBench作者谈Claude模型评估体系构建 2026-06-04 · BLOGS_PODCASTS
  6. 从稳定性与可塑性视角评估参数高效微调：PEFT-Arena平台 2026-05-28 · ARXIV
  7. 基于MLLM的多模态评估器验证图像文本一致性 2026-05-20 · BLOGS_PODCASTS
  8. Amazon Nova 2 Lite内容审核提示设计方法 2026-05-18 · BLOGS_PODCASTS
  9. 新指标识别大型语言模型过度自信问题 2026-03-20 · BLOGS_PODCASTS
  10. 新指标识别AI模型过度自信 降低幻觉风险 2026-03-19 · BLOGS_PODCASTS
  11. Mistral AI 发布 Forge：用于微调和测试的轻量级模型 2026-03-18 · HACKER_NEWS
  12. 反事实解释指标与用户感知的一致性研究 2026-03-18 · ARXIV
  13. 智能体AI中的语义不变性研究 2026-03-17 · ARXIV
  14. LLM Architecture Gallery 2026-03-16 · HACKER_NEWS
  15. LLM Architecture Gallery 2026-03-16 · HACKER_NEWS
  16. 探究推理模型作为裁判在非可验证LLM后训练中的作用 2026-03-16 · ARXIV
  17. 探究推理模型作为裁判在非可验证LLM后训练中的表现 2026-03-15 · ARXIV
  18. OpenAI研究员探讨提升大语言模型期望的高回报活动 2026-03-15 · BLOGS_PODCASTS
  19. 探究非可验证LLM后训练中的推理模型评判机制 2026-03-14 · ARXIV
  20. 探究推理LLM作为非可验证后训练评估器的有效性 2026-03-13 · ARXIV
  21. LLM 模型合并率未见提升，技术瓶颈待解 2026-03-13 · HACKER_NEWS
  22. LLM 模型性能提升停滞的质疑与分析 2026-03-12 · HACKER_NEWS
  23. SWE-bench通过率高的PR往往无法合并 2026-03-12 · HACKER_NEWS
  24. 生成式模型的实用价值评估与适用场景分析 2026-03-12 · HACKER_NEWS
  25. CREATE基准：测试大语言模型的联想创造力 2026-03-12 · ARXIV
  26. 推理机制如何提升大模型的诚实度 2026-03-11 · ARXIV
  27. SWE-bench基准测试通过率与实际PR合并率存在偏差 2026-03-11 · HACKER_NEWS
  28. Impermanent：时间序列预测时序泛化实时基准 2026-03-11 · ARXIV
  29. 提升AI模型解释能力以增强安全关键领域可信度 2026-03-10 · BLOGS_PODCASTS
  30. Impermanent：时间序列预测时序泛化实时基准 2026-03-10 · ARXIV
  31. 提升AI模型在医疗与自动驾驶等场景的可解释性 2026-03-10 · BLOGS_PODCASTS
  32. 新方法提升AI模型可解释性 助力医疗与自动驾驶可信度评估 2026-03-10 · BLOGS_PODCASTS
  33. OpenAI收购AI安全平台Promptfoo以修复系统漏洞 2026-03-10 · BLOGS_PODCASTS
  34. 表格基础模型分布回归：基于适当评分规则的预测评估 2026-03-10 · ARXIV
  35. Balyasny 基于 GPT-5.4 与 Agent 工作流构建 AI 投研引擎 2026-03-10 · BLOGS_PODCASTS
  36. Balyasny构建AI研究引擎革新投资分析 2026-03-09 · BLOGS_PODCASTS
  37. Balyasny如何构建AI投资研究引擎与智能体工作流 2026-03-09 · BLOGS_PODCASTS
  38. Balyasny 如何利用 GPT‑5.4 与智能体工作流构建 AI 投研引擎 2026-03-09 · BLOGS_PODCASTS
  39. Balyasny 融合 GPT-5.4 与代理工作流构建 AI 投研引擎 2026-03-09 · BLOGS_PODCASTS
  40. OpenAI推出CoT-Control：强化推理模型思维链的可监控性 2026-03-09 · BLOGS_PODCASTS
  41. Balyasny 构建 AI 投研引擎：基于 GPT-5.4 与 Agent 工作流 2026-03-09 · BLOGS_PODCASTS
  42. 利用LLM参数化知识实现无检索的事实核查 2026-03-09 · ARXIV
  43. 迈向偏差可控的LLM评判器：基于有界评估的无偏验证 2026-03-08 · ARXIV
  44. Balyasny 融合 GPT-5.4 与 Agent 工作流构建 AI 投研引擎 2026-03-08 · BLOGS_PODCASTS
  45. 审查版大模型作为秘密知识提取的自然测试床 2026-03-07 · ARXIV
  46. 奇异贝叶斯模型中的热力学响应函数研究 2026-03-07 · ARXIV
  47. 利用LLM参数化知识实现无检索的事实核查 2026-03-07 · ARXIV
  48. Balyasny 基于 GPT-5.4 与 Agent 工作流构建 AI 投研引擎 2026-03-07 · BLOGS_PODCASTS
  49. Sarvam 105B：首个具备竞争力的印度开源大模型 2026-03-07 · HACKER_NEWS
  50. Balyasny如何构建AI投资研究引擎 2026-03-07 · BLOGS_PODCASTS