近日，研究人员推出了一种名为STeCa的创新框架，旨在通过自动识别和纠正次优行动来提升LLM Agents在长期任务中的表现。该框架的核心在于其能够对LLM Agents的每一步行动进行校准，从而确保在复杂的长期任务中，每一...

近日，技术社区对SWE-bench数据集的使用提出了严重关切。该数据集被广泛用于评估软件工程领域的模型性能，但近期发现其存在多个关键问题，可能影响研究结果的准确性和可靠性。首先，数据集中部分样本的标注存在偏差...

近日，LLM-Oasis作为一个大规模数据集正式发布，旨在为训练和评估系统提供支持，以检测和提升LLM（大语言模型）输出的事实性。随着LLM在自然语言处理领域的广泛应用，其生成内容的准确性和可靠性成为业界关注的焦点...

Mistral Saba是一款基于中东和南亚地区精心策划数据集训练的24B参数模型。尽管其规模仅为同类模型的五分之一，但Mistral Saba在提供更准确和相关响应方面表现出色，同时显著降低了计算成本和响应时间。这一突破性技...

根据最新的爆料信息，iPhone 17系列在设计上将会有显著的变化。iPhone 17 Air预计将采用水平排列的摄像头设计，而更高阶的iPhone 17 Pro型号则可能使用更大尺寸的水平排列摄像头布局。除了全新的摄像头布局外，据悉i...

xAI公司近日发布了其最新旗舰人工智能模型Grok 3，并展示了针对iOS和网页应用的新功能。Grok 3的训练使用了位于孟菲斯的庞大数据中心，该中心配备了约20万个GPU。Grok 3系列模型包括：Grok 3 mini，它以牺牲部分准确...

近日，R1通过展示其思维链动画，向公众揭示了AI的思考过程。这一创新展示不仅让用户直观地看到R1如何处理信息，还展示了其如何通过复杂的逻辑链条进行决策。R1的思维链动画通过动态的视觉效果，清晰地展示了从输入到...

近日，CodeI/O技术通过将代码转换为输入输出预测格式，显著提升了大语言模型（LLM）的推理能力。该方法通过教授通用推理原则，而非依赖代码语法，从而在多种推理任务中实现了性能优化。此外，通过多轮修订进一步验证...