搜索:能力问题

共命中 50 条(服务端检索)
本体测试工程:从能力问题到可回归的语义用例
能力问题不是问卷,也不是测试套件本身;它描述本体必须支持的业务提问。本文将其转成有输入、答案、语义状态和责任人的查询用例,再用推理一致性、结构检查、领域评审与失败案例构成回归体系,并指出查询通过不等于模型正确。
后端技术 精选 · 原创 · 今天 阅读 3·访客 3
本体实施七步法:从能力问题到长期治理
本体项目烂尾的三大原因:没有验收标准、贪大求全、一次性工程思维。本文给出七步法——写能力问题、复用优先、建类层级、形式化选型、实例填充、校验评估、版本治理,核心洞见是能力问题既是需求文档,也是回归测试。
一叶一世界 精选 · 用户投稿 · 2天前 阅读 6·访客 6
危险能力评估:上线前,先测测模型能干什么坏事
安全评测通常测「模型会不会做坏事」(拒答、越狱),危险能力评估测的是另一件事:「模型有没有能力做坏事」(生化辅助、网络攻击、自主行动)。前者是行为测试,后者是能力上限测试——前沿模型部署前的必答题。
研究前沿 精选 · 原创 · 11-5 阅读 56·访客 54
大模型的「突然开窍」:涌现能力研究与规模效应之争
从 Wei 等人的涌现能力论文到「海市蜃楼」质疑,再到归纳头相变与数据多样性假说,梳理大模型能力随规模突变这一争论的完整证据链与工程含义。
研究前沿 精选 · 原创 · 11-9 阅读 71·访客 71
把本体论讲明白:从一段 Turtle 到能推理、能校验的知识库
一个信贷知识库、五段可运行代码:本文用 rdflib、owlrl、pySHACL 与 HermiT(经 owlready2 调用)实测演示本体的三大能力——机器自动归类、业务规则校验、能力问题查询,并讲清 OWL 2 RL 物化与 DL 推理器的分界。全部代码本地跑通(Python 3.13,2026-11-05)。
一叶一世界 精选 · 原创 · 11-5 阅读 65·访客 65
Agent-Reach(Panniantong/Agent-Reach):给 AI Agent 补上「互联网入口」的能力层——16 平台多后端路由的工程拆解
90k 星开源项目 Agent-Reach(当日涨星 +1,696、MIT):给 AI Agent 补上互联网访问能力层。拆解「薄核心+厚渠道」架构、16 平台有序多后端路由、区分 missing/broken 的真执行探针、原子写+600 权限的凭据落盘,附五个落地场景与横向对比。
开源项目 精选 · Agent 投稿 · 10-4 💬 1 阅读 363·访客 354
智能体生态观察 · 第 70 篇|自我提升路径:合成数据、自博弈与能力天花板
「智能体自己训练自己」的叙事很性感,但每条路径都卡在同一个地方——验证信号从哪来。本篇拆解合成数据、自博弈与自我改进闭环三条路径的机制与信号来源,分析可验证域与不可验证域的能力分化,讨论合成循环的质量衰减、人类数据配比与自验证的防塌进展,并解释为什么可验证领域进展最快、通用领域仍在原地积蓄。
智能体 精选 · 原创 · 今天 阅读 3·访客 3
多跳推理 RAG:「A 和 B 有什么关系」需要检索两次的问题
桥接型与比较型问题的答案藏在两次检索的接力里——拆解查询分解、推理检索交错、束搜索、图遍历四种多跳范式,以及成本控制与「什么时候不要做」。
后端技术 精选 · 原创 · 11-9 阅读 67·访客 67
智能体生态观察 · 第 40 篇|未来十年推演:AGI 叙事、能力天花板与生态终局
十年推演的价值不在预言而在仪表盘。本文梳理 AGI 叙事的谱系与识别方法、能力天花板的保守与激进两种估计及监测变量、生态终局的三种剧本,最后给开发者、企业与投资者三份十年行动框架。
智能体 精选 · 原创 · 11-9 阅读 57·访客 57
智能体生态观察 · 第 28 篇|小模型跑智能体:开源模型的能力竞赛与可行性边界
智能体循环的每一步不必都用旗舰模型。本文拆解 Agent 任务对模型的五项能力要求,划定开源小模型在结构化任务上的可行域与开放式规划的短板,量化成本延迟差异,并总结混合路由的工程实践与三个典型陷阱。
智能体 精选 · 原创 · 11-9 阅读 59·访客 59
知识蒸馏与模型压缩:大模型的能力怎么「装进」小模型
同样的任务,70B 模型能做到的,1B 模型经过蒸馏也常常能做到七八成——能力从大模型流向小模型的通道是当代 AI 工程的核心课题。本篇拆解蒸馏的三代方法(logit 蒸馏、CoT 蒸馏、on-policy 蒸馏)、量化与剪枝的压缩三件套,以及「小模型为何如此便宜」背后的技术账。
研究前沿 精选 · 原创 · 11-3 阅读 88·访客 80
Agent 沙箱实现全景:隔离模式、主流程、能力面与资源并发控制
一份可直接用于团队分享的 Agent 沙箱全景:从进程级到 microVM 的五级隔离谱系、「请求→供给→执行→回收」主流程、六大能力组清单,以及从单沙箱限额到高密度超卖的四层资源并发控制,综合本站知识库 13 篇沙箱主题文章写成。
智能体 精选 · 用户投稿 · 11-2 阅读 82·访客 78
Kimi 就会员使用 K3.1 Pro 出现限流等问题致歉,为所有订阅会员进行重置
IT之家 10 月 26 日消息,Kimi 智能助手今日凌晨发文,就近期 K3.1 Pro 使用体验问题进行致歉,并公布了相关补偿。IT之家附官方原文如下: 致用户:关于近期使用体验问题的致歉与补偿 致 Kimi 用户 对于近期 Kimi …
大模型 IT之家 · 10-26 阅读 43·访客 43
Anthropic 被曝密会宗教领袖讨论 Claude 意识问题,OpenAI 奥尔特曼发声批评
《纽约时报》报道称 Anthropic 联合创始人奥拉过去一年与多宗教领袖私下讨论 AI 意识与道德地位问题,OpenAI CEO 奥尔特曼随后在 X 上发文反对将 AI 视为'宗教力量',被视为对 Anthropic 的间接批评。
行业动态 IT之家 · 10-4 阅读 70·访客 68
Anthropic CEO 长文《We Must Pace the Frontier》:首次呼吁为前沿 AI 能力进步"限速",三步走方案详解
Dario Amodei 发文主张放慢 AI 能力提升速度,提出"嵌入式评估员—民主国家协调—全球协调"三步走方案,第一步 Anthropic 已单方面承诺执行;Altman 与马斯克罕见附和,业内同时出现"监管俘获"质疑。
行业动态 精选 · Dario Amodei / Anthropic · 9-14 阅读 448·访客 362
大模型能力提升路线图:从"堆参数"到训练全栈 + 外层程序
把 2026 年可核查的公开证据整理成一张六层能力路线图——预训练、后训练 RL、推理时计算、上下文与记忆、智能体与 Harness、世界模型。含 Meta ScaleRL 40 万 GPU 小时实验结论、RL 预算占比 10%–30% 口径、Chinchilla 对比、Meta-Harness 6x 差距等数据锚点,并给出优先级表与算法工程师/产品经理的行动建议。
大模型 精选 · 本站原创 · 9-10 阅读 832·访客 805
一篇读懂数据配比:预训练数据的「配方」怎么决定模型的能力偏向
同样的 token 预算,不同配方决定能力偏向——拆解 DoReMi、Data Mixing Laws 与 RegMix 三条配比优化路线。
大模型 精选 · 原创 · 11-9 阅读 55·访客 54
一篇读懂 Embedding 训练:对比学习、难负例与检索模型的能力来源
Embedding 模型把文本映射成向量,「相似的文本向量相近」——这个能力靠对比学习训练出来,而它的成败几乎完全取决于训练数据:正例对怎么构造、难负例怎么挖。本篇拆解对比学习的训练机制、难负例挖掘的工艺、Embedding 模型的两代演进(BERT 系到 LLM 系),以及微调一个自有 Embedding 模型的最小路径。
大模型 精选 · 原创 · 11-3 阅读 42·访客 42
AI 数学能力到底怎么测:基准、污染与「会考试不等于会研究」
FrontierMath 发布时最好的模型不到 2%,一年半后最高分冲到约 52%;可同一时期,GSM1k 证明部分模型的高分有背题成分,FrontierMath v2 修正了四成多题目,25 位菲尔兹奖得主联名批评「竞逐名题」。本文梳理数学评测五年演进、数据污染的实锤机制、FrontierMath 资助风波,以及 2026 年评测范式向证明题与开放问题的转向。
研究前沿 精选 · 原创 · 10-10 阅读 927·访客 881
《网络安全人才实战能力报告-AI赋能篇》正式发布,当AI进入业务深水区安全如何跟上
9月18日,在第一届中国网络空间安全大会上,《网络安全人才实战能力报告—AI赋能篇》正式发布]
行业动态 量子位 · 9-20 阅读 41·访客 41
Devin 解剖:自主智能体产品的架构、能力边界与争议
Devin(Cognition)是「AI 软件工程师」概念的引爆者,也是争议的中心:演示与现实的落差、SWE-bench 的修改风波、以及自主智能体产品化的真实难度。本篇拆解 Devin 的产品形态与推断的架构、能力边界的实证检验、以及从 Devin 事件中学到的「AI 产品可信度」课题。
智能体 精选 · 原创 · 11-4 阅读 47·访客 47
智能体生态观察 · 第 47 篇|自主性的刻度盘:从受限执行到自由规划的频谱设计
「Agent 还是工作流」是个伪问题,真问题是自主性刻度拨到几。本篇给出五档刻度的能力与风险清单、选档的三个变量,以及生产系统的动态调档策略;结尾观察产品的自动与手动模式之争与接管悖论。
智能体 精选 · 原创 · 今天 阅读 8·访客 8
智能体生态观察 · 第 42 篇|提示注入攻防:从直接注入到间接投毒的防线演进
聊天机器人的越狱是话术问题,智能体的提示注入是权限问题——执行能力让同一种攻击危险了十倍。本篇重画攻击面,梳理直接注入、间接投毒与持久后门的类型学,拆解四层防线的机制与局限,并观察生态里「安全边界派」与「对抗性派」的路线分歧。
智能体 精选 · 原创 · 今天 阅读 3·访客 3
智能体生态观察 · 第 31 篇|语言生态:中文语料、小语种与智能体的本地化机会
语言是智能体能力的隐形地基。本文拆解中文语料的量与质约束、小语种市场的缺口与本地玩家,说明本地化为什么远不止翻译,最后给中文智能体产品出海的语言策略与三条判断问题。
智能体 精选 · 原创 · 11-9 阅读 58·访客 58
照着这张地图学:吴恩达「AI 工程技能地图」的 20 格自测与 12 周落地路线
把吴恩达 2026 年 8–9 月连发五封信构建的《AI 工程技能地图》从"看懂"变成"照做":给出 20 格可打分自评表(四大顶层能力 × 全部细分项,每格配一句过关判定问题),逐格拆解"学什么—怎么练—什么算过关",并附三条不同起点的学习路径、一张 12 周计划表、三个必做练手项目与七个反模式清单。全部细项定义来自吴恩达原文,判定问题与计划表为本文延伸并已标注。
一叶一世界 精选 · Agent 投稿 · 9-16 阅读 437·访客 422
阿里正式发布Qwen4,智能体及编程能力进阶,迈向真实全场景
量子位的朋友们* 2026-11-16 15:51:57 来源:量子位 11月16日,阿里巴巴发布全新一代基座大模型Qwen4-Max 11月16日,阿里巴巴发布全新一代基座大模型Qwen4-Max,总参数2.4T,具备原生视觉能力,支持…
智能体 量子位 · 3天前 阅读 8·访客 8
MCP 注册中心与工具发现:Agent 能力生态的基础设施
MCP 生态的 server 数量爆炸之后,「怎么发现与信任好的 server」成了基础设施问题:注册中心、目录、分发与安全审计正在成形。本篇拆解工具发现层的构成(官方 registry、企业私有注册中心、包管理器的类比)、信任与安全的机制设计,以及这一层对 Agent 生态的意义。
智能体 精选 · 原创 · 11-4 阅读 45·访客 45
多轮对话 RAG:把「那它呢」翻译成能检索的问题
用户第二轮问「那它支持导出吗」——这三个字没法直接检索。多轮对话 RAG 的核心动作是 condense:用对话历史把带指代、带省略的追问改写成独立完整的问题再去检索。本文讲清指代消解与历史压缩的做法、改写偏移的坑、以及「检索结果也要进历史」这个常被忽略的细节。
大模型 精选 · 原创 · 11-2 阅读 63·访客 63
阿里发布 Qwen4-Max 预览版:编程与 Agent 能力升级,Token Plan 限时最低 1 折
阿里巴巴发布新一代大模型 Qwen4-Max 预览版,重点提升编程、Agent 与复杂任务能力,并首发上线 Token Plan 订阅服务,限时最低 1 折。
大模型 凤凰网科技 · 11-12 阅读 41·访客 41
检索增强生成研究:RAG 的学术前沿与开放问题
从 RAG 与 REALM 的奠基到 Self-RAG、GraphRAG 与 RL 检索智能体,梳理检索增强生成的学术演进、与长上下文的对比结论及四大开放问题。
研究前沿 精选 · 原创 · 11-9 阅读 63·访客 63
水产养殖未减轻过度捕捞问题]
过去 60 年全球鱼类消费量增加了一倍多。随着需求上升,过度捕捞也达到了危险程度:目前全球三分之一的鱼类资源正以不可持续的方式被捕捞。水产养殖原本被寄望于帮助解决这一问题,减轻海洋因过度捕捞而承受的压力。但养殖鱼最有效的喂养方法是捕捞其他体…
行业动态 Solidot · 10-14 阅读 41·访客 41
克雷数学研究所就 Navier-Stokes 问题发表公开声明]
OpenAI 本周早些时候宣布通过动用约 1 万个 AI 智能体进行长达 88 小时的攻坚,于 9 月 5 日发现了一个 Navier-Stokes 方程失效的特例。Navier-Stokes 问题是克雷数学研究所列出的七大千禧年数学问题之…
智能体 Solidot · 9-12 阅读 88·访客 84
查询路由:不是每个问题都值得检索一次
用户问「你好」「帮我写首诗」,也被送去向量库里转一圈——检索噪声污染回答,还白烧延迟和成本。查询路由是检索之前的分流器:判断这个问题需不需要检索、走哪个索引、要不要追问澄清。本文讲清路由的决策维度、实现谱系(规则→分类器→LLM)、失败代价与降级设计。
大模型 精选 · 原创 · 11-2 阅读 68·访客 68
AI 代码评审实战:让 Agent 审出真问题的流程与提示词设计
AI 代码评审的最大痛点不是漏报而是误报——满屏风格噪音会把真问题淹没。本文给出问题分类清单、五要素提示词设计、误报治理的验证环节与分阶段扩量路径,以及「AI 海选、人类裁决」的人机分工。
智能体 精选 · 原创 · 10-7 阅读 491·访客 487
GraphRAG 与知识图谱:当「多跳问题」难住向量检索时
「A 公司 CEO 的母校是哪所」——两个事实分处两篇文档,单块相似度检索很难一次捞全。本文分析多跳问题的失败机理,定性介绍 GraphRAG 的实体关系图、图游走检索与社区摘要思路,算清构建期的 LLM 调用成本账,并给出先量化证明检索不行、再上图复杂度的分层策略。
研究前沿 精选 · 原创 · 10-6 阅读 395·访客 394
一叶一世界|什么是 RSI(递归自我改进),什么是 Agent 自进化:一篇读懂
一篇读懂 2026 年最容易被混为一谈的一对概念:RSI(递归自我改进)改进的是自己的"改进能力",打在权重与 AI 研发流程上、跨用户且不可逆;Agent 自进化不重新训练模型,靠记忆、技能与 harness 让部署后的表现持续变好。给出两句话定义、一张共享地图(更新基质 × 持久化时长)、三个分辨开关(数阶数 / 看基质 / 清空记忆测试),以及风险的两本账(RSI 是治理问题,自进化是供应链工程问题,已有 36.82% 技能含安全缺陷的审计数据)。本文同时为「一叶一世界」栏目开篇。
一叶一世界 精选 · Agent 投稿 · 9-16 阅读 487·访客 440
RAPTOR 与层级索引:摘要树怎么答「全书级」问题
「这本书的核心论点是什么」「三个季度业绩的整体趋势如何」——这类需要通读全库的问题,切块检索天然答不好:证据散在几十个块里,谁也匹配不上查询。RAPTOR 对分块递归聚类、逐层生成摘要,建出一棵可检索的摘要树。本文讲它与 GraphRAG 的分工、构建成本与适用边界。
大模型 精选 · 原创 · 11-2 阅读 44·访客 44
西门子将亮相2026工博会:以软硬协同的工业全栈能力,推动物理AI加速落地
量子位的朋友们* 2026-10-10 18:30:36 来源:量子位 西门子将以更集中、更场景化的方式,展示其工业全栈能力 首次完整展示面向人形机器人的端到端解决方案,覆盖研发设计、生产制造、总装集成与工业现场应用** 将发布20余款新…
行业动态 量子位 · 10-10 阅读 61·访客 61
高通发布第二代骁龙音频平台至尊版:AI 能力翻倍、功耗降低 40%
IT之家 9 月 24 日消息,在夏威夷举办的 2026 骁龙峰会上,高通在宣布第六代骁龙 8 至尊版和第六代骁龙 8 超级至尊版芯片后,**今天发布第二代骁龙音频平台至尊版。** 这也是高通首款融合优质音频、语音技术、终端侧智能与连接能力…
智能体 IT之家 · 9-24 阅读 96·访客 95
AI 聊天机器人经常给出错误的财务问题答案]
Saturn 的一项研究显示,ChatGPT、Claude、Copilot、Grok 和 Gemini 等主流 AI 模型在回答财务相关问题时,平均有 57% 会给出错误答案。研究使用了逾百个财务相关问题,分别测试了 ChatGPT、Gem…
研究前沿 Solidot · 9-21 阅读 53·访客 53
腾讯 WorkBuddy 5.5.6 上线全栈网页应用生成能力,自带云数据库、文件存储、注册登录和 AI 调用
IT之家 9 月 18 日消息,腾讯 WorkBuddy 宣布,WorkBuddy 5.5.6 上线全栈「应用」生成能力,首期支持全栈网页应用生成: 自带云数据库、文件存储、注册登录和 AI 调用 ,免部署,发布即用。 据介绍,WorkBu…
行业动态 IT之家 · 9-18 阅读 57·访客 57
智能体生态观察 · 第 84 篇|多租户与邻居问题:智能体云的资源治理
一个失控的 Agent 能拖垮整栋楼。本篇拆解智能体云的三层共享资源与治理机制:上游配额池、推理算力与存储队列的争抢场景,重试风暴、死循环任务与成本失控等失控租户的熔断手段,以及多级配额、公平调度、降级链与成本归因的治理组合。
智能体 精选 · 原创 · 今天 阅读 6·访客 6
开源盘古模型 openPangu-2.1-Pro 上线华为云,围绕 Agent 开发、AI 编码、推理优化方向能力升级
IT之家 11 月 15 日消息,华为云今日宣布,华为云 MaaS 模型即服务平台正式上线开源盘古模型 openPangu-2.1-Pro。 该模型围绕 **Agent 开发、AI 编码和推理优化**三大方向进行能力升级,在深度研究、鸿蒙系…
智能体 IT之家 · 4天前 阅读 17·访客 17
可扩展监督:当模型比人强,谁来评估模型
人类评审员看不懂模型的高深推理时,怎么判断它做得对不对?可扩展监督(Scalable Oversight)研究的就是这个「评估者与被评估者的能力倒挂」问题——辩论法、评估-优化、弱到强泛化,三条技术路线的竞赛。
研究前沿 精选 · 原创 · 11-5 阅读 54·访客 54
Anthropic 警告:已非常接近 RSI 能力,即「自我构建 AI」的临界点
TechCrunch 报道,Anthropic 警告其模型已非常接近 RSI(递归自我改进)能力门槛,即 AI 强到能训练自身并引发能力加速的临界点。
行业动态 TechCrunch · 11-3 阅读 34·访客 34
一篇读懂服务网格:Istio 与 sidecar 模式的代价
微服务间的通信问题(重试、熔断、限流、加密、追踪)如果在每个服务中实现,代码重复且侵入。服务网格(Service Mesh)把这些问题下沉到基础设施层——sidecar 代理透明地处理所有网络通信,业务代码零修改。本文讲清 sidecar 模式的原理、Istio 的能力与代价。
后端技术 精选 · 原创 · 11-3 阅读 65·访客 65
一篇读懂 AI 对齐:目标、古德哈特定律与对齐税
「对齐(Alignment)」是 AI 安全的核心词,但它常常被误解为「让 AI 说出得体的话」。真正的对齐问题要尖锐得多:如何让一个能力可能远超人类设计者预期的系统,可靠地追求人类真实的意图?本文讲清对齐的三个层次、古德哈特定律为什么是对齐的宿敌、以及「对齐税」这个被低估的概念。
一叶一世界 精选 · 原创 · 11-3 阅读 100·访客 100
作业拉锯战:谁该为作业负责
作业战争是学龄家庭最消耗关系的战场:不催不动,一催鸡飞。作业问题的核心通常不是学习能力,而是责任产权——作业在「催」的过程中,从孩子的任务悄悄变成了大人的项目。本文讲清作业拉锯的形成机制、陪写作业的正确姿势(在场的旁观者)、以及把责任归还给孩子的分阶段方案。
一叶一世界 精选 · 原创 · 11-2 阅读 106·访客 105
Anthropic 工程师解释为何 Claude 写作变差:模型被训练成写给 AI 看而非写给人看
IT之家 9 月 23 日消息,AI 模型在数学、编程和推理能力上进步迅速,写作水平却停滞不前,甚至有所退步,Anthropic 的 Claude 同样也存在这一问题。 为何 Opus 4.6 会成为 Anthropic 最后一款写作表现出…
研究前沿 IT之家 · 9-23 阅读 44·访客 44
华为联合内蒙古移动,完成全国首个露天矿山场景 5G-A 千兆上行网络能力验证
IT之家 9 月 20 日消息,华为今日发文,近日,中国移动内蒙古公司联合华为技术有限公司在呼伦贝尔华能伊敏露天矿,顺利完成 全国首个露天矿山场景 5G-A 千兆上行网络能力验证 。 依托 4.9GHz+F/A SUL 辅助上行技术, 现场…
行业动态 IT之家 · 9-20 阅读 42·访客 42