#大语言模型
共 97 篇相关文章
·3 分钟
PhysMent：用交互式物理仿真评测大模型的物理推理能力
PhysMent 是一个基于 MuJoCo 仿真器的交互式基准测试，通过施力、观测、推进时间等工具调用评测大语言模型的物理推理能力。研究发现模型在定性任务表现尚可，但定量多步实验任务准确率骤降，瓶颈在于流程性工具使用而非物理知识本身。
阅读全文 →
·4 分钟
TimeThink：让时序大模型学会组合式推理的合成框架
TimeThink 是一个用于激发时序大模型组合式推理能力的合成框架，通过确定性生成可验证的问答数据与 RLVR 训练策略，仅用合成数据即在真实基准上超越强基线，为医疗等高风险场景的可解释时序推理提供新思路。
阅读全文 →
·3 分钟
Vibe Patenting：LLM评审员能胜任专利撰写评估吗？
arXiv最新研究通过Vibe Patenting测试平台，评估LLM评审员在专利撰写这类专业任务中的可靠性。研究发现评审反馈能让低成本智能体逼近高端模型，但AI评审与人类专利律师的一致性强烈依赖具体指标。
阅读全文 →
·6 分钟
Swift-Qwen3.8-27B：削减58%思考token，推理速度翻倍
UkisAI 开源 Swift-Qwen3.8-27B，通过定位并惩罚"过度思考"token，配合在线策略蒸馏，实现思考token削减58%、推理速度提升1.95倍，准确率损失控制在1%以内。本文详解其技术路径与基准测试数据。
阅读全文 →
·3 分钟
苹果Siri或将支持切换Claude、ChatGPT：代码揭示端倪
开发者从苹果代码中发现，Siri背后的AI模型可能支持切换，未来或接入Claude、ChatGPT等第三方大模型。本文解析这一发现的技术含义、苹果的AI战略考量及其对行业的影响。
阅读全文 →
·3 分钟
先修复后强化：上下文增强知识图谱推理攻克多跳问答难题
arXiv 最新论文提出上下文增强知识图谱推理框架，通过"先修复后强化"策略提升大模型多跳问答能力。在胃轻瘫与糖尿病知识图谱上，基于 Qwen3-14B 验证 CG 监督优于纯 KG 监督，修复后单跳准确率达 100%。
阅读全文 →
·5 分钟
压缩的代价：事实幻觉背后的率失真极限
arXiv新论文用率失真理论揭示大语言模型事实幻觉的第二个来源：有限记忆下的压缩失真。文章解析覆盖—压缩模型、误差下界公式及其对检索增强、弃答等实践的启示。
阅读全文 →
·3 分钟
弱监督+LLM标注精炼：从人道主义文档中提取数据集引用
arXiv新论文提出弱监督+LLM标注精炼框架，从强迫流离失所与FCV人道主义文档中自动提取数据集引用。在1706段黄金基准上达到88.2%段落级准确率，为标注数据稀缺场景提供可复制方案。
阅读全文 →
·3 分钟
R2VC：模块化事实核查架构，让LLM验证更可信
arXiv 新论文 R2VC 提出模块化事实核查架构，通过检索、推理、验证、校准四环节，在 FEVER 基准上让 8B 模型准确率提升 13.74%，同时显著改善置信度可靠性与可弃权机制。
阅读全文 →
·2 分钟
AI破解370年古密码？Claude Fable 5.1的争议性突破
Hacker News 热议：AI模型Claude Fable 5.1据称破解了有370年历史的Cyphral Distich密码。本文梳理事件并分析AI在古密码破译中的能力、局限与需谨慎看待的关键点。
阅读全文 →
·2 分钟
本地大模型幻觉检测实战：从1.5B到120B的低显存方案
如何在不额外消耗大量显存的前提下检测本地大模型的幻觉？本文基于1.5B到120B模型的实测经验，解析置信度、自洽性、轻量校验等低开销检测思路，为本地LLM部署者提供实用参考。
阅读全文 →
·4 分钟
TeleChat：集成GPT-5、Gemini与Claude的开源Telegram AI机器人
TeleChat 是一个开源 Telegram AI 聊天机器人，集成 GPT-5、DALL·E、Groq、Gemini 2.5 与 Claude 4.1 API，支持联网搜索，可在 Zeabur、fly.io、Replit 部署，已获 1242 Star。
阅读全文 →
·3 分钟
"LLM是真的，AI是假的"：一场概念之争的思辨
Hacker News热议命题《LLMs are real, AI is fake》引发思辨：为何说大语言模型真实可验证，而'人工智能'更像营销话术？本文解析术语精确性的重要性及其对从业者的启示。
阅读全文 →
深度解读
OpenAI 官方 GPT-5.6 提示词指南深度解读：从手动挡到自动挡的范…
·9 分钟
OpenAI 官方 GPT-5.6 提示词指南深度解读：从手动挡到自动挡的范式转变
深度解读 OpenAI 官方 GPT-5.6 Sol 提示词指南：精简优先、结果导向、自主权边界、工具路由、推理强度调节等核心变化，帮助开发者快速适配新一代模型。
阅读全文 →
深度解读·8 分钟
AI幻觉：大模型为何必然会「胡说八道」及应对策略
深入解析AI幻觉的三大根因：训练目标缺陷、曝光偏差与概率生成机制，详解事实性幻觉与忠实性幻觉的分类体系，并提供RAG检索增强、评估层验证等务实应对框架。
阅读全文 →
教程攻略·9 分钟
Dify本地部署教程：宝塔+Docker从零搭建AI开发平台
详细图文教程教你通过VMware虚拟机、Ubuntu系统、宝塔面板和Docker，从零完成Dify本地部署。涵盖环境准备、常见报错解决方案及部署后的进阶学习路线，适合新手快速上手。
阅读全文 →
深度解读·9 分钟
AI智能体入门：核心概念、技术架构与工作原理全解析
从零开始理解AI智能体（AI Agent）的核心概念，详解感知、决策、执行三大能力，对比传统程序与智能体的本质区别，深入剖析LLM、工具调用、记忆系统和RAG四大技术组件及完整工作流程。
阅读全文 →
产品体验·10 分钟
Llama 3.3 70B深度测评：13道题实测最强开源大模型
Meta发布Llama 3.3 70B开源模型，仅70B参数却媲美405B性能。经过13道逻辑推理、数学计算、编程题全面测试，通过12题表现惊艳，重塑开源模型格局。
阅读全文 →
