AI在线 AI在线

LLM

苹果《思考的错觉》再挨批，Claude与人类共著论文指出其三大关键缺陷

苹果《思考的错觉》再挨批，Claude与人类共著论文指出其三大关键缺陷

几天前，苹果一篇《思考的错觉》论文吸睛无数又争议不断，其中研究了当今「推理模型」究竟真正能否「推理」的问题，而这里的结论是否定的。 论文中写到：「我们的研究表明，最先进的 LRM（例如 o3-mini、DeepSeek-R1、Claude-3.7-Sonnet-Thinking）仍然未能发展出可泛化的解决问题能力 —— 在不同环境中，当达到一定复杂度时，准确度最终会崩溃至零。 」不过，这篇论文的研究方法也受到了不少质疑，比如我们的一位读者就认为「给数学题题干加无关内容，发现大模型更容易答错，而质疑大模型不会推理」的做法并不十分合理。
6/16/2025 8:48:00 AM
LLM已能自我更新权重，自适应、知识整合能力大幅提升，AI醒了？

LLM已能自我更新权重，自适应、知识整合能力大幅提升，AI醒了？

近段时间，关于 AI 自我演进/进化这一话题的研究和讨论开始变得愈渐密集。 本月初我们就曾梳理报道了一些，包括 Sakana AI 与不列颠哥伦比亚大学等机构合作的「达尔文-哥德尔机（DGM）」、CMU 的「自我奖励训练（SRT）」、上海交通大学等机构提出的多模态大模型的持续自我改进框架「MM-UPT」、香港中文大学联合 vivo 等机构的自改进框架「UI-Genie」。 那之后，相关研究依然还在不断涌现，以下拼图展示了一些例子：而前些天，OpenAI CEO、著名 𝕏 大 v 山姆・奥特曼在其博客《温和的奇点（The Gentle Singularity）》中更是畅想了一个 AI/智能机器人实现自我改进后的未来。
6/16/2025 8:46:00 AM
别让千亿参数成摆设！万字解读LLM应用的生存法则

别让千亿参数成摆设！万字解读LLM应用的生存法则

现在大家都在聊大模型，动不动就说什么“智能涌现”、“颠覆行业”。 但说实话，真正能把大模型用好的，不是谁喊得响，而是看谁的系统设计够硬核！ 什么是大模型应用系统设计？
6/16/2025 8:06:51 AM 曹洪伟
AI记忆伪装被戳穿！GPT、DeepSeek等17款主流大模型根本记不住数字

AI记忆伪装被戳穿！GPT、DeepSeek等17款主流大模型根本记不住数字

在进入本文之前，我们先来玩个 10 秒小游戏：在心里选一个「1-10」的整数。 现在设想我问：「你想的是 5 吗？ 」如果听到是自己的数字，你会本能地答 Yes，其余统统 No。
6/16/2025 6:00:00 AM 机器之心
迈向人工智能的认识论：真的没有人真正了解大型语言模型 (LLM) 的黑箱运作方式吗

迈向人工智能的认识论：真的没有人真正了解大型语言模型 (LLM) 的黑箱运作方式吗

如果大型语言模型能够推理，但没有人能够看到它是如何推理的，那么它真的在思考吗？ 简而言之，像 GPT-4 这样的大型语言模型 (LLM) 展现出卓越的能力，但其运作方式却如同“黑匣子”，这意味着它们的内部决策过程在很大程度上是不透明的，甚至对其创建者而言也是如此。 本系列文章综合了近期关于 LLM 可解释性的研究，重点关注这些模型的推理方式、其解释的可靠性（思维链）以及对安全性和部署的影响。
6/16/2025 2:30:00 AM 晓晓
TypeScript 杀疯了，开发 AI 应用新趋势！

TypeScript 杀疯了，开发 AI 应用新趋势！

随着 AI 技术的迅猛发展，越来越多开发者开始构建基于大模型（LLM）、多智能体协作、浏览器端推理等新型应用。 在这一浪潮中，TypeScript 凭借其强大的类型系统、成熟的工具链和活跃的生态，正逐步成为现代 AI 应用开发的主流选择之一。 根据 Y Combinator 统计，约有 60% 至 70% 的 AI Agent 初创公司采用 TypeScript 开发。
6/13/2025 11:25:04 AM CUGGZ
强化预训练（RPT）：LLM 预训练新范式，当模型学会战略思考

强化预训练（RPT）：LLM 预训练新范式，当模型学会战略思考

大家好，我是肆〇柒。 在当下，大型语言模型（LLM）正以其卓越的能力在诸多任务中引人瞩目。 这些能力的提升，很大程度上得益于在大规模文本数据上的 next-token-prediction 自监督学习范式。
6/13/2025 9:29:51 AM 肆零柒
AI自动写学术综述：10分钟生成6万字，成本不到四块钱

AI自动写学术综述：10分钟生成6万字，成本不到四块钱

学术综述论文在科学研究中发挥着至关重要的作用，特别是在研究文献快速增长的时代。 传统的人工驱动综述写作需要研究者审阅大量文章，既耗时又难以跟上最新进展。 而现有的自动化综述生成方法面临诸多挑战：AI生成的综述结构往往缺乏连贯逻辑，组织结构较差，存在宽度和深度的结构失衡问题；在参考文献方面，经常无法引用真正相关和有影响力的文献，容易引用无关文献而忽略核心贡献；评估方式主要依赖LLM整体质量评估，缺乏对大纲质量、参考文献相关性等关键方面的细粒度分析。
6/13/2025 9:08:00 AM
一文读懂LLM基于JSON Schema的结构化输出

一文读懂LLM基于JSON Schema的结构化输出

什么是基于JSON Schema的结构化输出大语言模型通常会生成无特定结构的自由格式文本，在能够有效使用之前需要进行大量的后期处理。 这种不可预测性会导致错误、浪费时间并增加成本。 OpenAI推出基于JSON Schema的结构化输出以解决这一问题。
6/12/2025 2:30:00 AM AI大模型应用开发
Mistral的首个强推理模型：拥抱开源，推理速度快10倍

Mistral的首个强推理模型：拥抱开源，推理速度快10倍

大模型强推理赛道，又迎来一位重量级玩家。 本周二，欧洲人工智能公司 Mistral AI 发布了 Magistral，这是一个全新的大语言模型（LLM）系列，展现了强大的推理能力。 它能够进行不断反思，并解决更复杂的任务。
6/11/2025 2:39:50 PM
一招缓解LLM偏科！调整训练集组成，“秘方”在此 | 上交大&上海AI Lab等

一招缓解LLM偏科！调整训练集组成，“秘方”在此 | 上交大&上海AI Lab等

大幅缓解LLM偏科，只需调整SFT训练集的组成。 本来不擅长coding的Llama 3.1-8B，代码能力明显提升。 上海交大&上海AI Lab联合团队提出创新方法IDEAL，可显著提升LLM在多种不同领域上的综合性能。
6/11/2025 9:17:00 AM
MCP 很好，但它不是万灵药！真正的技术进步，往往始于祛魅之后的清醒认知

MCP 很好，但它不是万灵药！真正的技术进步，往往始于祛魅之后的清醒认知

当下AI领域最炙手可热的概念，莫过于MCP。 MCP 指的是Model Context Protocol（模型上下文协议）。 令人意外的是，一个协议系统的热度，甚至盖过了OpenAI发布的最新模型，成为行业讨论的焦点。
6/11/2025 9:00:00 AM 腾讯技术工程
LLM 推理引擎综述：优化与效率的多维探索

LLM 推理引擎综述：优化与效率的多维探索

大家好，我是肆〇柒，玩开源模型蛮久了，做开源模型项目的各位，应该都了解推理引擎在工程落地上的重要性。 一个好的推理引擎，不仅要具备算力的精准调度能力，还需要符合工程基线的稳定性指标，更重要的，还要保障模型的推理精度符合业务标准。 然而，随着模型规模的指数级膨胀，如何高效地部署和运行这些模型，成为了技术发展道路上的关键挑战。
6/11/2025 2:30:00 AM 肆零柒
Qwen：PARSCALE 让语言模型在并行中飞跃

Qwen：PARSCALE 让语言模型在并行中飞跃

大家好，我是肆〇柒。 今天，我们来聊聊大型语言模型（LLM）领域的一项研究——PARSCALE。 在人工智能快速发展的当下，大型语言模型应用前景无比广阔，然而，随着模型规模的不断膨胀，我们正面临着前所未有的挑战。
6/11/2025 2:00:00 AM 肆零柒
苹果再轰AI推理能力，GitHub大佬怒怼：这不是推理能力的真实面貌！

苹果再轰AI推理能力，GitHub大佬怒怼：这不是推理能力的真实面貌！

最近，苹果公司发布了一篇引发热议的论文，指出当前的大语言模型（LLM）在推理方面存在重大缺陷。 这一观点迅速在社交媒体上引起热议，尤其是 GitHub 的高级软件工程师 Sean Goedecke 对此提出了强烈反对。 他认为，苹果的结论过于片面，并不能全面反映推理模型的能力。
6/10/2025 5:00:56 PM AI在线
首创像素空间推理，7B模型领先GPT-4o，让VLM能像人类一样「眼脑并用」

首创像素空间推理，7B模型领先GPT-4o，让VLM能像人类一样「眼脑并用」

视觉语言模型（VLM）正经历从「感知」到「认知」的关键跃迁。 当OpenAI的o3系列通过「图像思维」（Thinking with Images）让模型学会缩放、标记视觉区域时，我们看到了多模态交互的全新可能。 然而，当前主流VLM仍被困在「文本茧房」中——依赖文本token间接翻译视觉信息，在高清图像中的微小物体、视频里的动态细节等场景中，常常因缺乏直接视觉操作能力而「视而不见」。
6/10/2025 9:07:00 AM
大模型能够自发形成“人类思维地图”！Nature子刊重磅研究揭示多模态大模型类脑机制

大模型能够自发形成“人类思维地图”！Nature子刊重磅研究揭示多模态大模型类脑机制

大模型≠随机鹦鹉！ Nature子刊最新研究证明：大模型内部存在着类似人类对现实世界概念的理解。 LLM能理解现实世界和各种抽象概念吗？
6/10/2025 9:04:00 AM
大厂实践： LLM 加速大规模测试迁移

大厂实践： LLM 加速大规模测试迁移

Airbnb最近完成了第一次由 LLM 驱动的大规模代码迁移，将 3500 个测试文件从 Enzyme 更新为 React测试库（RTL，React Testing Library）。 最初我们估计这需要 1 年半的时间来手工完成，但通过使用前沿模型和强大的自动化组合，我们在 6 周内完成了整个迁移。 本文将重点介绍从 Enzyme 迁移到 RTL 所面临的独特挑战，如何通过 LLM 解决这些挑战，以及如何构建迁移工具来执行 LLM 驱动的大规模迁移。
6/10/2025 8:15:00 AM 俞凡 DeepNoMind