除了创建175个多样化、真实、专业，且与真实公司运营模式一致的任务，这项研究还创建了不同任务对应的评估器，在每个任务中的多个阶段设置检查点。智能体每完成一步任务，都会获得相应的积分（类似于现实员工的KPI）；而当智能体只是部分正确地给出回答时，也会给 ...

经过进一步调查，研究者发现，Qwen2.5-Math-7B基础模型在初始阶段倾向于生成大量代码，这可能源于模型原始训练数据的分布特征。 在训练到第 40 ...

旗舰模型 OLMo 1B 拥有 12 亿个参数、16 个层、16 个 head、隐藏层大小为 2048、上下文长度为 2048 个 token、词汇量为 50,280，面向开发者、数据科学家和企业。尽管如此，该模型在社区中仅收获了1k左右的下载。

AGI正在到来，但代价是什么呢？Epoch AI预测：如果AGI完全替代人类劳动，将使人类工资彻底崩溃，跌破生存所需最低水平！到2024年，这个概率将达到1/3。奥特曼也预言：下一代人类，注定被AI碾压。

他表示，AI系统的本质问题在于它们无法与已有的软件工程实践有效结合，尤其是在复杂性管理和规模控制方面。尽管AI在诸如自动化、医疗、金融等领域取得了显著成就，但其核心问题在于无法确保系统在规模化应用中的可控性与可靠性。

为此，Scale AI和CAIS推出了名为「人类最后的考试」（Humanity's Last Exam）的多模态基准测试，旨在成为这类封闭式学术基准测试的最终版本，覆盖广泛的学科领域。

最近，ByteDance Research 的视频理解大模型眼镜猴（Tarsier） 迎来了巨大更新，发布了第二代模型 Tarsier2 及相关技术报告。研究团队此前发布的 Tarsier-7B/34B ...

这个数据中心在上个月已经官宣，预计整个建设工程会持续到2030年，当时美国一家能源公司还提议，在Meta这个数据中心附近建立一座1.5GW的天然气发电厂。

就说这个本周刚发布的 DeepSeek R1，它没有任何监督训练的纯强化学习路线令人震撼，从去年 12 月 Deepseek-v3 基座发展到如今堪比 OpenAI o1 的思维链能力，似乎是很快达成的事。

3、独特的公司文化和人才战略： DeepSeek保持着一个完全自下而上的组织结构，为研究人员提供无限的计算资源，优先看创造热情而不是证书。他们的突破性创新来自年轻的本土人才——中国本土的应届毕业生和年轻技术人才，而非海外招聘。

今天的一条知乎热搜让人惊了：国内某双非名校计算机学院24届本科生就业率，还不足50%？一届学生里大半人毕业就失业，CS就业竟遭遇寒冬。而业内人士表示，高校的疯狂扩招和大模型的火爆，早就让CS普本就业进入地狱模式了。

本周三，各路媒体对英伟达 GeForce RTX 5090 的评测宣告解禁。基于最新 Blackwell 架构，新一代旗舰显卡无疑将成为未来几年你能买到的最好的显卡。 众所周知，英伟达的 RTX 4090 是一款性能强劲的显卡，为真正需要 4K ...