剑桥揭开大模型翻车黑箱，别再怪它不懂推理，是行动出错了
置顶
AI热点 53分钟前 • 181

剑桥揭开大模型翻车黑箱，别再怪它不懂推理，是行动出错了

【导读】为什么大模型，在执行长时任务时容易翻车？这让一些专家，开始质疑大模型的推理能力，认为它们是否只是提供了「思考的幻觉」。近日，剑桥大学等机构的一项研究证明：问题不是出现在推理上，而是出在大模型的执行能力上。大模型也有「EMO」时刻。比如，Gemini在Cursor里调试编译错误后，打开了自责「循环模式」，把「I am a disgrace（我很丢脸）」重复了86次。尽管大模型在复杂推

新智元
阅读全文
深夜炸场，Claude Sonnet 4.5上线，自主编程30小时，网友实测：一次调用重构代码库，新增3000行代码却运行失败
AI热点 1周前

深夜炸场，Claude Sonnet 4.5上线，自主编程30小时，网友实测：一次调用重构代码库，新增3000行代码却运行失败

  双节小长假将近，国内国外大模型公司闻风而动，赶在正式放假前让众人“小卷”一波。这不，继昨晚 DeepSeek 发布 DeepSeek V3.2-Exp之后，Anthropic 又在今天带来了全新升级的 Claude Sonnet 4.5 版本，号称“世界上最好的编码模型”。  最强的编码模型 Claude Sonnet 4.5 来了：可自主持续运行 30 小时根据官方测试结果显示

CSDN CSDN
136 0
著名机器人专家：人型机器人的未来是不像人
AI热点 1周前

著名机器人专家：人型机器人的未来是不像人

在这篇文章中，我将解释为何尽管风险投资公司（VC）和大型科技公司投入了数亿乃至数十亿美元用于训练，如今的人形机器人仍无法学会如何具备灵巧性。在文章的结尾，在我完成关于这一观点的论述后，还附加了另外两篇短文。第一篇探讨了双足人形机器人在行走时，要确保人类在其附近活动安全，仍需解决的问题；第二篇则分析了15年后，我们虽会拥有大量人形机器人，但它们的外观既不会像如今的人形机器人，也不会像人类。一

AI中国 AI中国
60 0
OpenAI推出“即时结账”功能，用户可在ChatGPT直接购买Etsy商品
AI热点 1周前

OpenAI推出“即时结账”功能，用户可在ChatGPT直接购买Etsy商品

划重点：OpenAI推出 “即时结账”（Instant Checkout）新功能，用户可通过ChatGPT聊天机器人直接从商家处购买单件商品。该功能初期仅支持美国Etsy平台卖家的单件商品交易，后续计划接入超百万家Shopify商家。目前，美国地区所有ChatGPT Plus、Pro及免费版用户均可使用该功能，OpenAI表示未来将逐步扩大服务覆盖区域。当地时间9月29日，Open

AI中国 AI中国
96 0
重生之在《我的世界》做山姆·奥特曼：网友在线手搓ChatGPT
AI热点 1周前

重生之在《我的世界》做山姆·奥特曼：网友在线手搓ChatGPT

逆天，太逆天。一老哥在《我的世界》上手搓了一个ChatGPT！这你敢信？这款手搓GPT不仅经过英语对话训练，有500万个参数，还能在像素世界里的小电脑上跟你对话。而且手搓这么一个GPT竟然没用指令集，完全是用红石电路（0/1）和存储单元手搓出来的。怎么说呢，这难度不亚于你在60年代用IBM的超级计算机打《王者荣耀》。这一出整的，在《我的世界》上跑GPT居然比在本地跑还靠谱。也难怪网友说宇宙是红石

AI中国 AI中国
84 0
AI内存新秀，SOCAMM2登场
AI热点 1周前

AI内存新秀，SOCAMM2登场

据报道，英伟达已取消其第一代SOCAMM内存模块的推广，并将开发重点转向名为SOCAMM2的新版本。不久前，英伟达曾表示计划今年为其AI产品部署60-80万个SOCAMM内存模块，但据称随后发现了技术问题，项目两次搁置，并未能下达任何实际的大规模订单。目前开发重点已经转移到SOCAMM 2，英伟达已开始与三星电子、SK海力士和美光合作对SOCAMM 2进行样品测试。01 SOCAMM2是什么？有

AI中国 AI中国
159 0
AI眼镜“上头”，成为假期旅游新搭子？
AI热点 1周前

AI眼镜“上头”，成为假期旅游新搭子？

今年这个十一长假，各大景区的游客里，不少人鼻梁上架着的不是墨镜，而是AI眼镜。人挤人的长城脚下有的游客让AI眼镜拍下好不容易抢占位置欣赏到的风景；博物馆里有用户询问AI眼镜眼前展出的古币是哪个朝代的；东京街头有人让眼镜翻译眼前的菜单……解放双手的便捷体验，成为这批新型穿戴设备吸引早期用户的核心卖点。今年，被称为“百镜之战”的一年，光是上半年包括META、华为、百度、谷歌、Snap、Rokid、雷

AI中国 AI中国
110 0
OpenAI“Codex Alpha”抢先体验!七层级新模型曝光，GPT-5编程能力大升级
AI热点 1周前

OpenAI“Codex Alpha”抢先体验!七层级新模型曝光，GPT-5编程能力大升级

科技媒体 BleepingComputer 报道，OpenAI 已为其 AI 编程助手 Codex 推出名为 “Codex Alpha” 的抢先体验计划，邀请开发者和用户在下周的 2025年度开发者日（DevDay2025） 正式发布前，提前试用最新的 Codex 模型和功能。这一新计划的悄然上线，旨在为开发者提供抢先体验新模型和新功能的机会。根据官方描述，加入 Codex Alpha 计划的用户

AIbase基地 AIbase基地
132 0
全国首个羊产业垂直大模型发布:“苏武大模型”以 AI 赋能智慧养羊
AI热点 1周前

全国首个羊产业垂直大模型发布:“苏武大模型”以 AI 赋能智慧养羊

日前举行的第二十一届羊业发展大会暨首届中国·榆林羊产业博览会上，一项重磅科技成果——苏武智慧养羊大模型 V1.0（简称“苏武大模型”）正式发布，该模型由西北农林科技大学教授陈玉林团队基于 Qwen3架构自主研发，成为全国首个覆盖全品类、全链条的羊产业垂直大模型。陈玉林教授介绍，“苏武大模型”是在自主可控的创新平台上训练而成，通过创新算法架构，成功突破了传统羊业数据处理中数据分散、整合困难以及分析效

AIbase基地 AIbase基地
83 0
Anthropic发布最强编码模型Claude Sonnet 4.5，可自主编码30小时
AI热点 1周前

Anthropic发布最强编码模型Claude Sonnet 4.5，可自主编码30小时

划重点：Anthropic发布Claude Sonnet 4.5，宣称其为全球最先进、最安全的编码及复杂软件智能体构建模型。Claude Sonnet 4.5能够自主编码长达30小时，远超其前代Claude 4 Opus约7小时的能力。编码工具Claude Code新增checkpoints功能，可在每次代码更改前自动保存状态，允许开发者即时回溯到之前的版本。当地时间9月29日，人

AI中国 AI中国
127 0
FSDrive统一VLA和世界模型，推动自动驾驶迈向视觉推理
AI热点 1周前

FSDrive统一VLA和世界模型，推动自动驾驶迈向视觉推理

面向自动驾驶的多模态大模型在 “推理链” 上多以文字或符号为中介，易造成空间 - 时间关系模糊与细粒度信息丢失。FSDrive（FutureSightDrive）提出 “时空视觉 CoT”（Spatio-Temporal Chain-of-Thought），让模型直接 “以图思考”，用统一的未来图像帧作为中间推理步骤，联合未来场景与感知结果进行可视化推理。该方法在不改动原有 MLLM 架构的前提

AI中国 AI中国
77 0
45天做出AI漫剧showcase，这个10人团队是如何做到的？
AI热点 1周前

45天做出AI漫剧showcase，这个10人团队是如何做到的？

在AIGC技术加速演进并寻求商业化落地的当下，一条清晰可见的赛道正在迅速崛起——AI漫剧。相较于AI真人短剧中难以避免的“僵硬感”，动画形式与AI生成技术的结合显得天然且自洽。更重要的是，漫剧并非凭空诞生的新物种，其在AIGC爆发前就已经以动态漫的形态积累了多年的内容沉淀与受众基础，如今乘着AI的东风，可谓真正迎来了“如虎添翼”的时刻。AI技术的介入，从根本上解放了动画制作的生产力瓶颈。它大幅

AI中国 AI中国
82 0
AI热点 1周前

抢走了人类的工作，机器人也得交税

导读壹  ||  虽然目前尚无国家正式立法征收“机器人税”。但在现实层面，向机器人征税这一看似带有科幻色彩的理念，已进入部分经济体管理者的议事日程。贰  ||  对“机器人征税”的实现形式有多种，比如部分地区通过减少机器人行业的税收优惠，或直接提高该行业的税率，这些举措都可被视为一种“征税”。叁  ||  在当前人工智能快速发展的大背景下，未来机器人将渗透到人类经济社会的各个领域，各类功能

AI中国 AI中国
85 0
人形机器人「朋友圈」的明牌和暗战
AI热点 1周前

人形机器人「朋友圈」的明牌和暗战

人形机器人已告别「单打独斗」的年代，机器人顶流们正在疯狂拓宽自己的「朋友圈」。智元机器人和高瓴携手成立基金，下场做VC后，近期正式启动了智元「创投A计划」招募，计划在三年内重点孵化超50个早期项目。我们关注到，近期智元又参投了一家名为「星源智」的具身智能公司，算上这一笔，据「硅基研究室」不完全统计，智元对外投资已近20笔，既涉及对同行的直接投资，也涉及包括电机、传感器以及下游应用等关键赛道。

AI中国 AI中国
209 0
宇树科技专利侵权案一审判决：未构成侵权，原告败诉
AI热点 1周前

宇树科技专利侵权案一审判决：未构成侵权，原告败诉

图片来源：界面图库宇树科技专利侵权案迎来最新进展。9月30日，据蓝鲸财经等多家媒体报道，宇树科技被杭州露韦美日化有限公司诉侵害发明专利权一案，已于本月26日宣判，原告败诉，法院已驳回原告全部诉讼请求。宇树科技不构成侵权。法院判决书中提到，露韦美公司主张被诉产品构成侵权，理由不能成立。鉴于露韦美公司主张的侵权行为不能成立，对其他争议焦点，本院不再予以评述。天眼查天眼风险信息此前显示，杭州

AI中国 AI中国
180 0
刚刚，OpenAI最强DevDay剧透！奥特曼发神秘预告，Jony Ive压轴登场
AI热点 1周前

刚刚，OpenAI最强DevDay剧透！奥特曼发神秘预告，Jony Ive压轴登场

OpenAI DevDay即将开幕！奥特曼发文称：「有一些新东西，助力AI开发」。奥特曼的演讲将会全球直播据官方透露，这场被称作「史上规模最大」的活动将吸引逾1500人齐聚旧金山。从现有迹象看，本届开发者大会将成为OpenAI在硅谷势力扩张的宣言——正通过开发AI硬件设备、社交媒体应用和AI浏览器等多线作战，向苹果、谷歌和Meta等科技巨头发起全面挑战。2023年首届大会时，OpenAI仅靠Ch

AI中国 AI中国
105 0
AI改造出行体验：滴滴的试验能否开启行业范式转变？
AI热点 1周前

AI改造出行体验：滴滴的试验能否开启行业范式转变？

AI Agent赋能出行领域，将带来怎样的全新体验？滴滴给出了自己的答案，于近日面向公众内测上线了小滴这款打车Agent，颠覆了滴滴自己亲手开创的打网约车的传统模式。AI叫车时代来了！AI Agent赋能出行，将带来怎样的全新体验？十一黄金周将至，出行高峰随之而来。人多，打车难了，打到适合的车更难了。滴滴正在公测的出行AI助手，正是为出行高峰量身打造——输入需求→自动识别上下车点→理解偏好→匹配

AI中国 AI中国
190 0
加载更多

推荐文章

OpenAI 坚决反击马斯克：法院裁定请求毫无依据

OpenAI 坚决反击马斯克：法院裁定请求毫无依据

4月前 • AI热点
速抢（2核2G）77元/年香港免备案服务器

速抢（2核2G）77元/年香港免备案服务器

0秒前 • AI热点
AI应用全球排行榜发布：天天被唱衰的ChatGPT还好吗？

AI应用全球排行榜发布：天天被唱衰的ChatGPT还好吗？

2月前 • AI热点
OpenAI 招聘主管：面对前所未有的增长压力，招聘至关重要

OpenAI 招聘主管：面对前所未有的增长压力，招聘至关重要

3月前 • AI热点
Sora2五天下载量破百万！超越ChatGPT增长速度，App Store免费榜霸榜第一

Sora2五天下载量破百万！超越ChatGPT增长速度，App Store免费榜霸榜第一

3天前 • AI热点
Anthropic 研究揭示：AI 推理的思维链解释不可全信

Anthropic 研究揭示：AI 推理的思维链解释不可全信

4月前 • AI热点
7 个实用 MCP 工具，用对了能省下无数工时

7 个实用 MCP 工具，用对了能省下无数工时

2月前 • 图文教程
为满足数据中心大量电力需求，谷歌将资助培训数万名美国电工

为满足数据中心大量电力需求，谷歌将资助培训数万名美国电工

5月前 • AI热点

热门标签

Token计费机制 创意协作 AI娱乐工具 打工人必备AI工具 工具测评 AI图片转视频 视频剪辑 AI优化 宠物沉浸吃播 AI音乐创作

热门作者

AI中国

AI中国

10800 文章 95.03万 关注

钛媒体APP

钛媒体APP

1474 文章 0 关注

IT之家

IT之家

1221 文章 5.64K 关注

人人都是产品经理

人人都是产品经理

1193 文章 5.87万 关注

36氪

36氪

1010 文章 5.63K 关注

AIbase基地

AIbase基地

783 文章 9.63万 关注

睡觉动画