跳到正文
11月9日週一
  1. DEV Community26

    AGI 評估與基準測試:第 07 章

    第 07 章聚焦 AGI 評估與基準測試,指出一般智能不能以單一準確度分數或單一基準衡量。評估應涵蓋泛化、推理、學習、智能體行為、多模態能力、長期任務、穩健性與元認知。評估框架亦須考慮基準污染、安全與對齊,並結合多種測試。

  2. DEV Community26

    通用人工智能——第09章:通往 AGI 之路 [KR]

    現代人工智能已能處理語言、圖像、音訊、影片、程式編寫及數學問題,但能力仍不均衡,不能等同 AGI。推理可靠性、長期自主性、記憶、世界建模及因果理解仍是重要限制。研究正結合基礎模型、記憶、規劃、工具及其他系統,探索通往更一般化智能的路徑。

  3. DEV Community34

    人工通用智能(AGI)第 12 章:總結與練習

    AGI 並非單一演算法、模型或基準測試成績,而是能在不同環境與任務中整合感知、學習、推理、記憶、規劃、行動和適應的系統級智能。實現 AGI 需要結合一般化、世界模型、記憶、學習與規劃等能力,並整合認知架構和工程基礎設施。評估及部署時,亦須重視可靠性、長期任務表現、安全與控制。

  4. DEV Community31

    因果性與科學 AI——第 03 章:反事實推理

    本章探討反事實推理如何透過改變特定條件、比較實際與替代結果,將結構性因果知識連繫至智能行動。反事實推理依次進行溯因、行動與預測,可用於決策、AI 可解釋性、機械人控制及模擬;其可靠性取決於因果假設、結構知識與不確定性建模。

  5. DEV Community26

    因果關係與科學 AI — 第 04 章:科學 AI [KR]

    科學 AI 結合數據驅動學習、物理模型、因果推理、模擬及領域知識,以加速科學理解、發現、實驗和工程分析。其應用涵蓋化學、材料科學、生物學、醫學、工程、氣候、能源及機械人;要建立可靠結果,仍需不確定性估算、可重現性和獨立證據驗證。

  6. DEV Community32

    因果與科學 AI——第 08 章:實驗與基準測試 [KR]

    因果基準測試透過可重現的環境,評估算法估算處置效果、還原因果關係及推理幹預的能力,並須區分預測準確度與因果估算質素。IHDP 和 Twins 基準結合真實世界協變量與模擬結果機制,合成基準則可控制因果圖、混雜及處置重疊等條件;基準表現不代表普遍的因果效度。

  7. DoNews51

    MiniMax 創辦人閆俊傑稱將持續開源,直至實現 AGI

    MiniMax 創辦人兼 CEO 閆俊傑表示,公司將持續開源直至實現 AGI,並主張盈利關鍵在於以技術創新持續降低推理成本,而非提高模型價格。截至 8 月,MiniMax 的 ARR 年化運行率已超過 8 億美元,企業業務佔比超過 80%;他認為低推理成本亦可降低客戶使用價格,以及強化學習和後訓練的成本。

  8. Claude Platform:開發者版本說明78

    Anthropic 推出 Claude Fable 5.2,Claude Mythos 5.2 限已驗證機構使用

    Anthropic 推出 Claude Fable 5.2,面向高要求推理及長期智能體工作;Claude Mythos 5.2 提供相同能力,但只供通過 Anthropic 驗證計劃的機構使用。

    推薦理由:開發者可對照 Claude Fable 5.2 與 Claude Mythos 5.2 的定價、可用平台和 thinking block 相容規則,掌握採用兩款模型時的成本及遷移差異。

  9. DEV Community54

    Temperature 0 下同一模型在不同 GPU 輸出不一致,如何定位分歧並固定設定

    Dekita 提供一套方法,在 Temperature 0 下定位同一模型於不同 GPU 輸出分歧的首個 token,並以環境設定核對重現性聲稱。文中提供比較兩份輸出的腳本,並指出在 llama.cpp 將 micro-batch 設為 1 可令兩張卡的結果一致,但短提示詞總執行時間約增加 14 至 15%,提示詞處理速度下降一個數量級,生成速度幾乎不變。

  10. Hacker News 熱門(buzzing.cc 中文翻譯)68

    llama-modchip 讓 284B DeepSeek-V4-Flash 可在 64 GB 記憶體、無 GPU 環境下推理

    llama-modchip 讓 284B DeepSeek-V4-Flash 可在 64 GB 記憶體、無 GPU 的系統上進行 CPU 推理。它把模型檔由 76.87 GiB 壓至 56.56 GiB,在 256K 上下文窗口下記憶體佔用為 57.61–58.9 GiB。16 核 Zen 5 上的提示詞預填速度為 43.16–44.36 tok/s,解碼速度為 9.06–9.95 tok/s。

  11. DEV Community28

    記憶與知識系統——第 04 章:知識整合

    知識整合將結構化事實、非結構化文件、學習表徵及情境觀察連繫起來,形成智能系統可檢索和理解的共同知識表示。章節涵蓋本體、知識圖譜、多模態知識抽取與推理,並指出來源追蹤、信心估算、一致性檢查、衝突處理及更新管理對可靠性的重要性。

  12. DEV Community23

    記憶與知識系統 — 第06章:進階記憶與知識 AI

    記憶增強網絡(MANs)透過可讀取、寫入和更新的明確記憶機制,補足傳統神經網絡依賴模型參數儲存知識的限制。注意力尋址可檢索相關記憶,多跳推理則逐步連結分散資訊,但增加計算成本,也不保證推理更準確。與 Transformer 架構結合時,明確記憶可保存即時上下文窗口以外的選定資訊。

11月8日週日
  1. DEV Community64

    可重現的 LLM 評估:記錄每次執行,而不只是分數

    Obligra Verify 團隊提出 LLM 評估的記錄方法,把每次執行視為一次建置,記錄輸入並保存原始輸出,以追溯分數的來源。執行清單可記錄數據集雜湊、提示詞版本、固定模型 ID、參數及評分器版本;相同輸出和評分器版本應能得出相同分數。生成則可能有波動,作者建議同一設定重跑三或五次,並報告分數的離散程度。

  2. 虎嗅65

    寒武紀 Q3 歸母淨利潤同比增長 147.7%,市值較萬億高位回落逾四成

    寒武紀前三季度營收95.3億元、歸母淨利潤37.2億元,Q3歸母淨利潤同比增長147.7%,但市值已較萬億高位回落逾四成。公司前三季度營收目標進度為70.6%,Q4需完成近40億元收入,交付和驗收進度將影響收入確認;存貨及預付款較年初增加90億元,經營現金流淨額只有2.3億元。文章指出,市場估值焦點已由扭虧轉向未來營收目標、客戶復購、現金回款與市場份額能否跟上。

  3. DEV Community78

    Anthropic 發佈 Claude Sonnet 4.6,支援 1M token 上下文窗口並維持 Sonnet 定價

    Anthropic 發佈 Claude Sonnet 4.6,定價維持每百萬 token $3/$15,並提供 beta 版 1M token 上下文窗口。Anthropic 的早期測試稱,Claude Code 用戶約有 70% 的時間偏好它而非 Sonnet 4.5,對 Opus 4.5 的偏好率為 59%;作者沒有進行實測。

    推薦理由:文章並列 Anthropic 早期測試的用戶偏好比例、Sonnet 4.6 的定價及 Opus 4.6 的任務定位,呈現日常工作與深度推理的選型差異。

  4. Numerama29

    NASA 間諜機 SR-71、EDF 離峯時段變更及 OpenAI 數學證明即將公開:本週科學回顧

    本週科學消息包括 NASA 澄清 SR-71 Blackbird 844 只是移去清潔、EDF 將逐步調整離峯時段,以及 OpenAI 楊–米爾斯理論證明的首個電腦版本有望下週發布。EDF 會在 2026 年 11 月 4 日至 2027 年 11 月 30 日間逐步調整相關客戶的時段,每日仍有八小時離峯時段。物理學家委員會確認證明有效前,1,147 頁內容仍會保密。

  5. DEV Community43

    知識表示——第 05 章:神經符號 AI

    神經符號 AI 將神經網絡的模式識別能力,與符號系統的知識表示及推理能力結合,讓系統從經驗中學習並進行結構化、可解釋的推理。典型架構由神經處理、符號知識及整合機制組成,核心挑戰是把連續的向量或機率轉換為離散實體和邏輯表達。整合方法包括由神經網絡生成符號事實、把符號知識納入模型訓練,以及運用可微分推理和知識圖譜。