长文本有了专属困惑度！北大、MIT、阿里推出LongPPL新指标
长文本有了专属困惑度！北大、MIT、阿里推出LongPPL新指标随着大模型在长文本处理任务中的应用日益广泛，如何客观且精准地评估其长文本能力已成为一个亟待解决的问题。
来自主题: AI技术研报
8052 点击 2025-03-09 14:53
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
随着大模型在长文本处理任务中的应用日益广泛，如何客观且精准地评估其长文本能力已成为一个亟待解决的问题。
想了想，应该有不少读者想看我对 Manus 的评价，还是不偷懒，分享直播实测 8 小时的真实感受。
最近我一头扎进了 MCP 协议的奇妙世界，深入研究后只想说，掌握了它，开发进程真的就像装上了火箭助推器，随时原地起飞！😎
历史上首个能通过双盲同行评审的AI系统Carl诞生了。它是Autoscience研究所的成果，能完成从构思到展示的整个研究过程，撰写的论文已被国际顶会ICLR接受，其能力令人惊叹。
科学和玄学以一种意想不到的方式结合了。
在人工智能一次又一次的“飞跃”背后，究竟是什么在驱动它不断演进？AI演进的灵魂代码藏在哪里？
如果把人工智能的发展趋势向前推演，几乎每个国家、每个公司最终都可能基于美国技术栈或中国技术栈，去构建人工智能技术。
半个月前，Anthropic 发布了其迄今为止最聪明的 AI 模型 —— Claude 3.7 Sonnet。
人工智能正迎来前所未有的变革，其中，大语言模型（LLM）的崛起推动了智能系统从信息处理向自主交互迈进。
在面对复杂的推理任务时，SFT往往让大模型显得力不从心。最近，CMU等机构的华人团队提出了「批判性微调」（CFT）方法，仅在 50K 样本上训练，就在大多数基准测试中优于使用超过200万个样本的强化学习方法。
GRPO训练又有新的工具链可以用，这次来自于ModelScope魔搭社区。
DeepSeek-R1 等模型通过展示思维链（CoT）让用户一窥大模型的「思考过程」，然而，模型展示的思考过程真的代表了模型的内在推理机制吗？在医疗诊断、自动驾驶、法律判决等高风险领域，我们能否真正信任 AI 的决策？
Manus从第一个通用Agent变成了第一款自媒体比技术从业者先发现和评测的AI产品，评论好坏掺半。最明显的两个观点是效果虚假，没有技术报告，很多好的Agent已经能做到这一点和如何那么厉害的话，为什么英文媒体们没有报道。
思维链引发的战争。
英国初创公司 Quantexa 凭借其采用人工智能和数据分析的企业平台，多年来在打击洗钱和欺诈方面声名鹊起。
大家好，很高兴在这里向各位介绍我们的产品 Free QWQ。这是世界上第一个完全免费、无限制、无需注册登录的分布式 AI 算力平台，基于 QwQ 32B 大语言模型提供强大的 AI 服务。
生成式AI正重塑众多行业格局！传统搜索、网站与自由开发者、教育科技等行业受到冲击。AI对行业变革又有哪些推动作用？答案就在报告中。
从今天这个视角来看，DeepSeek 等国内外大模型能力是越来越强大了，大家都说 2025 年 AI 应用还会持续爆发。但对于企业来说，有了大模型，那场景都有啥，应用又长啥样？
中国互联网公司正集体迎来资产重估，科技是最根本的推力。最近一家强调科技的巨头是美团。
起猛了，DeepSeek开口说话了。而且是超低延迟实时秒回，还可以随时打断的那种，先来看一段VCR：DeepSeek以及其他任意大模型接入这样的高质量对话引擎，全程只需要两行代码。
继DeepSeek 之后，一款由国内开发的通用AI Agent产品也引发热议——
最新开源的视觉预训练方法，马毅团队、微软研究院、UC伯克利等联合出品！
Mistral AI，这家法国公司是 AI 助手 Le Chat 和多个基础模型背后的力量组成，被官方视为法国最有前途的科技初创企业之一，且可以说是能与 OpenAI 竞争的欧洲公司。然而，与其 60 亿美元的估值相比，其全球市场份额仍相对较低。
当你凝视AI，AI也在凝视你。
世界第一台合成生物智能生物计算机诞生了！人类神经元直接集成到硅片上，能编程，甚至还能活体计算。这台计算机也为碳基正名：硅基计算并非天生优越！
杜克大学计算进化智能中心的最新研究给出了警示性答案。团队提出的 H-CoT（思维链劫持）的攻击方法成功突破包括 OpenAI o1/o3、DeepSeek-R1、Gemini 2.0 Flash Thinking 在内的多款高性能大型推理模型的安全防线：在涉及极端犯罪策略的虚拟教育场景测试中，模型拒绝率从初始的 98% 暴跌至 2% 以下，部分案例中甚至出现从「谨慎劝阻」到「主动献策」的立场反转。
「即便最终赢家不是它，它也足够意义重大。」一位 LAM 产品经理这样评价 Manus AI 的行业价值。
32B小模型在超硬核「时间线索」推理谜题中，一举击败了o1、o3-mini、DeepSeek-R1，核心秘密武器便是GRPO，最关键的是训练成本暴降100倍。
随着 DeepSeek-R1 的流行与 AI4Math 研究的深入，大模型在辅助形式化证明写作方面的需求日益增长。作为数学推理最直接的应用场景，形式化推理与验证（formal reasoning and verification），也获得持续关注。
助力半导体激光芯片国产化。
