你的怀疑是对的！LLM作为Judge，既无效又不可靠，终于有论文向LLJ开炮了
你的怀疑是对的！LLM作为Judge，既无效又不可靠，终于有论文向LLJ开炮了让LMM作为Judge，从对模型的性能评估到数据标注再到模型的训练和对齐流程，让AI来评判AI，这种模式几乎已经是当前学术界和工业界的常态。
来自主题: AI资讯
8917 点击 2025-08-31 12:20
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
让LMM作为Judge，从对模型的性能评估到数据标注再到模型的训练和对齐流程，让AI来评判AI，这种模式几乎已经是当前学术界和工业界的常态。
我们每天都在用语音交流，从早上叫醒Siri到晚上和家人通话，语音似乎是人类最直观的交流方式。但当我们试图让机器也用这种方式与我们互动时，却发现背后隐藏着巨大的技术挑战。
“投资可以很简单很有趣。” 这是一个9岁开始炒股、10年前押中英伟达的投资老手——赖蕴琦Vakee，想传递给所有人的理念。
谷歌最新图像模型nano banana横空出世，它不仅能融合多张图片拼接出全新画面，还能理解地理、建筑与物理结构，甚至将二维地图转化为三维景观。凭借Gemini的世界知识与交错生成技术，模型实现了「有记忆」的多轮创作，带来极高一致性与创造力。nano banana正在重塑AI图像生成的边界，也引发了「AI创意伙伴」未来的无限遐想。
最近，a16z的合伙人们发布了一篇深度分析文章，系统梳理了Computer Use（计算机使用）技术的发展现状和未来前景。他们认为，这项技术正在将AI agent从概念推向现实，让AI真正具备了处理端到端数字工作流的能力。
“生命不息，折腾不止”，全球首富马斯克一直在身体力行地践行这句话。在不久前刚折腾完“DOGE”后，最近他又盯上了苹果。本月初马斯克突然对苹果发起猛烈抨击，指责后者App Store排行榜偏向OpenAI，从而降低了以自家Grok为代表的其他AI应用的曝光机会。
香蕉也能变礼服？Google 真的做到了！ 在最新一期谷歌开发者节目里，Google DeepMind 团队首次全面展示了 Gemini 2.5 Flash Image —— 一款拥有原生图像生成与编辑能力的最新模型。
大厂在 AI Agent 上的每一步动作，都值得紧盯。因为没人能预测，一个看似小小的产品，最终会被扩展到多大规模，串联出怎样的「新业务体系」。
小某书最新起号方式，还得看AI（doge）。 这两天打开一看，几乎全被各种精致逼真的手办图刷屏了
近日，上海交大和上海人工智能实验室的研究发现，AI 的风险正从个体失控转向群体性的恶意共谋（Collusion）——即多个智能体秘密协同以达成有害目标。Agent 不仅可以像人类团队一样协作，甚至在某些情况下，还会展现出比人类更高效、更隐蔽的「团伙作案」能力。