跳到正文
11月2日周一
10月28日周三
10月26日周一
  1. 钛媒体60

    Kimi K3.1 Pro 陷额度争议,杨植麟与梁文锋的 token 哲学对比

    月之暗面在 K3.1 Pro 发布后 48 小时内道歉,10月26日起向所有订阅用户返还月度总额的25%,并砍掉不必要的子 Agent 调用、压缩冗余输出。用户反馈额度消耗过快,Artificial Analysis 测试显示 K3.1 Pro 跑完 Intelligence Index 约输出 1.5 亿 token,是同价位中位数的近两倍,单次任务平均花费 2.11 美元。

10月23日周五
10月20日周二
  1. TechCrunch32

    Hugging Face 政策负责人:嵌入式 AI 评估器并非易事

    Hugging Face 首席政策官 Irene Solaiman 在 TechCrunch Disrupt 上表示,嵌入式 AI 评估器并非易事,评估结果的可复现性仍是关键问题,开放权重对此至关重要。她指出评估科学仍在演进,不同评估之间难以有效比较,且失效较快。她还提到智能体评估成本高、难度大,针对 harness 的评估数量不足,行业需要更统一的标准。

10月7日周三
  1. Microsoft Research21

    Microsoft 研究:AI 会犯哪些错,失败又能教会我们什么

    Microsoft 研究合伙人 Jennifer Neville 在 Microsoft Research Podcast 中讨论评估如何推动 AI 系统突破传统 benchmark 的性能边界,以及模型在超出常规测试时出现的“意外失败”。她结合自身从数学、物理、认知科学转向计算机科学的经历,分享使用当前 AI 系统的实用建议,并强调结果偏离预期时应仔细检查数据。