标签：自动化评估
斯坦福打脸大模型数学水平：题干一改就集体降智，强如o1也失准，能力涌现怕不是检索题库
斯坦福大学的研究揭示了大型语言模型（LLMs）在数学推理任务中的一个显著弱点：仅通过改变题目中的变量名称和取值范围，就能显著降低模型的准确率。这一发现...
LinkedIn分享了自家团队构建AI产品的经验，细节满满
LinkedIn 技术团队将 AI 技术融入其产品，以提高用户在寻找工作和浏览专业内容时的体验。技术主管 Juan Pablo Bottaro 和高级工程师 Karthik Ramgopal 分享了...
能自动查找各种漏洞，专用于网络安全的AI Agent
AI Agent在大规模语言模型的支持下，已经诞生了AutoGPT、OpenDevin和Devika等一系列优秀产品，并在编程开发、日常工作以及金融领域等实现了具体场景的应用。...
