Enoki:用统一事实表示提升大模型幻觉检测效率
Enoki 提出一种基于文本锚定关系事实的多层级幻觉检测框架,在同一表示下完成声明级核验与文本片段定位。该方法还发布了配套的 EnokiQA 数据集,支持更细粒度的评测。
阅读全文Claude API 中转站避坑指南、检测原理与大模型 API 实测经验
共 2320 篇文章
RSS 订阅Enoki 提出一种基于文本锚定关系事实的多层级幻觉检测框架,在同一表示下完成声明级核验与文本片段定位。该方法还发布了配套的 EnokiQA 数据集,支持更细粒度的评测。
阅读全文τ^τ-Bench 将“构建可用智能体”本身变成评测任务,要求编码智能体在真实业务约束下完成从理解需求到部署验证的完整流程。实验显示,当前最强配置与专家方案之间仍存在明显差距。
阅读全文一项研究将安全训练回复拆分为模板化拒绝语句与拒绝理由,发现前者可能促使模型依赖敏感词等表面线索。只训练拒绝理由,有望在保持安全性的同时减少对良性请求的误拒答。
阅读全文一项新基准将视觉语言模型的拒答能力从“整道题是否拒绝”推进到“问题中的哪些部分应当拒绝”。结果显示,面对混合了可答与不可答内容的复合问题,模型更容易出现误答、过度拒答或无依据作答。
阅读全文AWS 开源 Kiro Crew,让多个 Coding Agent 跨 Session、工具和任务异步协作。它试图把一次性的代码问答,升级为可持续运行、可审计的工程工作流。
阅读全文据InfoQ中文报道,英伟达已与Hugging Face达成最终收购协议,交易估值约129亿美元,预计于2027年上半年完成。交易一方面为开放模型生态提供资金,另一方面也引发平台中立性与竞争审查担忧。
阅读全文微软提出一套面向生产环境的 AI 治理架构,试图把治理从政策和文档转变为运行时控制、持续评估、可观测性与审计证据。其重点不仅是“制定规则”,更是验证规则是否真正生效。
阅读全文纽约Lake Mariner数据中心火灾暴露出一个更深层问题:当土地、运营、租赁、担保和算力需求分别由不同企业承担时,安全、就业与环境责任究竟归谁?
阅读全文一位开源项目维护者指出,近一年外部贡献出现了新的异常模式:PR 数量明显多于 issue,提交内容还常带有 AI 生成的分析、漏洞报告和修复建议。问题不在于使用 AI,而在于未经验证的自动化内容正在增加维护者负担。
阅读全文英伟达推出开源工具 Personal AI Router(PAIR),可在局域网内发现兼容设备,并协同使用多台电脑进行本地 AI 推理。它主要面向搭载 GeForce RTX 的设备,也支持部分苹果芯片电脑。
阅读全文北京大学团队提出 Motion-Omni,将语音对话与面部表情、手部及全身动作放进同一个端到端生成框架。该模型在保持语音能力的同时,实现了接近教师级联系统的动作质量,并具备实时响应能力。
阅读全文Iris-mini 与 Iris-pro 将网页链接结构转化为多跳搜索任务,并交替使用监督微调和强化学习训练搜索策略。研究还显示,推理阶段的上下文管理对复杂搜索表现至关重要。
阅读全文WorldSculpt 探索将单物体 3D 生成模型迁移到多视角视频,用于重建包含数百个物体的可组合场景。其核心思路是在共享世界坐标系中分别生成物体网格,并借助多视角观测补足严重遮挡下的缺失几何。
阅读全文MaxKernel 将大语言模型、编译器反馈与硬件性能分析结合起来,探索自动生成高性能 TPU 内核。系统提供人工协作、全自动优化和图搜索三种工作模式。
阅读全文ShallowStream 将多模态大模型的浅层计算用于持续视频编码和检索索引构建,查询时再调用深层能力完成回答。在保持接近现有流式方法效果的同时,论文报告其单帧预填充延迟最高降低 52.1 倍,10 秒端到端延迟最高降低 11.9 倍。
阅读全文一项发表于 arXiv 的研究提出 DM-Align,将视频生成模型的分布蒸馏与人类偏好对齐放进同一优化框架。该方法借鉴 DPO 与 GRPO,从样本分布差异中直接构造偏好梯度,以降低传统强化学习流程的计算与稳定性成本。
阅读全文Harbor Adapters 将 80 多个智能体基准接入统一评测框架,Harbor-Index 则从中筛选出 82 个高难度任务,试图让智能体能力比较更可复现、更具可操作性。
阅读全文一项基于金融市场智能体模拟的研究发现,更强的语言模型可能表现出更高的行为相关性。共同判断在信息准确时有助于降低风险,但在错误信息环境中也可能放大系统性损失。
阅读全文一项研究考察了语音识别系统为何会生成与输入语音无关、却看似流畅的文本。结果显示,编码器最后阶段是语音信息完成落地、并交给解码器读取的关键位置,但绕过该阶段本身并不会直接产生自然流畅的幻觉。
阅读全文一项针对 Qwen3.5 和 Falcon-H1 的研究发现,混合语言模型中的 KV 缓存与固定大小递归状态承担着截然不同的任务。注意力更像事实查找表,而递归状态则决定模型接下来用什么语言、以何种 persona 作答。
阅读全文