RAG索引扩容后答案为何变了?一项面向兼容性的重复审计
一项针对检索增强问答系统的研究发现,即使模型、提示词和生成控制项保持不变,扩充语料索引仍可能让系统给出不同答案。研究提出“快照兼容性审计”,用于区分真正的索引影响与模型自身的随机波动。
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 订阅一项针对检索增强问答系统的研究发现,即使模型、提示词和生成控制项保持不变,扩充语料索引仍可能让系统给出不同答案。研究提出“快照兼容性审计”,用于区分真正的索引影响与模型自身的随机波动。
阅读全文Thinkingbox 将智能体评测从“答对或调用对工具”推进到真实业务流程的最终状态验证。其基准显示,模型偶尔完成任务与稳定完成任务之间仍存在明显差距。
阅读全文AutoResearch提出一个连接“想点子”和“做实验”的两阶段科研代理系统。它试图用多模型交叉评审、实验诊断和独立证据审查,减少自动化科研中的幻觉与不可靠结论。
阅读全文一项 EMNLP 2026 Findings 研究发现,搜索增强型大模型会受到被篡改网页的影响,甚至推荐并不存在的商品。推理模式和现有防御机制也未能可靠解决这一问题。
阅读全文RIBOSPAN 是一个原生支持最长 10,240 个核苷酸、拥有 16.1 亿参数的双向 RNA 基础模型。研究显示,原生长上下文训练在完整转录本建模、表示学习和 mRNA 设计方面具有明显优势。
阅读全文ReWorld 将短期动作控制与长期场景记忆分开训练,并在推理时通过有限 KV 缓存和基于位姿的地标检索控制计算量。论文还通过统一动作尺度、回环轨迹和蒸馏技术,让同一模型兼顾高质量生成与实时交互。
阅读全文GameXpert-Bench 将游戏编码智能体置于完整开发周期中评测,覆盖生成、修复与多轮优化三个阶段。结果显示,智能体擅长实现明确需求,却仍不善于主动发现缺陷、验证运行行为和避免回归。
阅读全文结构化压缩叠加4比特量化,往往会损伤大模型的推理、数学、编程和长上下文能力。Multiverse Computing提出量化感知修复方法QAH,让量化学生模型直接向原始未压缩模型学习。
阅读全文MobilePA-Bench 提出一个面向移动规划智能体的交互式评测环境,重点考察工具调用、长程规划、记忆、技能与子智能体协作。研究显示,现有前沿大模型在严格工具顺序、权限限制和运行时错误下仍不够可靠。
阅读全文EchoWM提出一种可进入式全模态世界模型,用户持续改变观察轨迹时,系统能够同步生成720p视频、环境音、音乐与语音。其核心是把离散指令和连续姿态统一到共享的相对6自由度轨迹中,并兼顾第一人称与第三人称场景。
阅读全文TileMix 将注意力矩阵划分为硬件友好的分数瓦片,并在同一个融合内核中为不同瓦片选择 FP16 或 INT8。它不裁剪 token 连接,在提升预填充效率的同时,试图弥补统一 INT8 带来的长上下文质量损失。
阅读全文一项针对语音问答的研究发现,实体图链接与迭代式查询改写虽然能提升多跳 RAG 的绝对效果,却可能放大上游语音识别错误。真正脆弱的环节,往往不是生成,而是被识别错误污染的查询实体。
阅读全文Prime Agent 是一个面向长程评测与编码代理工作流的开源 harness。它通过持久化 REPL、跨轨迹记忆和递归子代理,减少基础设施故障对模型能力评估的干扰。
阅读全文WorldToken 将每个决策时刻的多视角图像、本体感知和任务条件融合为一个世界令牌,再用因果 Transformer 建模时间序列。实验显示,目标域数据和较长历史上下文对模仿学习表现尤其重要。
阅读全文ClawProBench提出一种面向运行时的智能体评测框架,不只检查最终答案,也审查证据获取、工具路由、安全边界与重复执行表现。研究显示,运行时原生任务明显更难,封闭测试集与完整测试集的排名也并不一致。
阅读全文一项系统性综述以传统模拟器的八项能力为标尺,评估世界模型从“生成看起来合理的世界”走向“可计算、可控制、可复现仿真”的进展与缺口。研究指出,状态反馈和长时程稳定性仍是关键短板。
阅读全文LongRCA Bench 将长程智能体失败诊断拆分为“责任角色识别”和“最早根因定位”两个任务,并用 1140 条真实失败轨迹进行评测。其配套的免训练方法 RCTA,在根因步骤定位上显著超过基线,但整体结果仍显示长轨迹调试困难。
阅读全文Anthropic正在合并Claude聊天与Cowork的记忆系统,让用户在讨论项目后,可以直接进入执行阶段。用户还能够查看、编辑或删除Claude保存的信息。
阅读全文苹果更新 Mac mini 和 Mac Studio,并推出 M6 与 M5 Ultra 芯片。高内存容量、统一内存带宽和 Thunderbolt 5 互联,让 Mac 逐渐成为本地大模型开发与推理的另类平台。
阅读全文由Accel领投、获得2600万美元种子轮融资的Keenable正式结束隐身模式,目标是为AI代理建立面向全网的信息检索系统。公司称其索引已覆盖超过1000亿份文档,并开始向AI实验室和推理服务商提供API。
阅读全文Multiverse Computing 提出 Quantization-Aware Healing(QAH),让经过结构压缩和 4-bit 量化的模型直接向原始大模型学习。在 GPT-OSS 120B 压缩至 60B 的实验中,QAH 模型在 9 项基准中的 7 项超过同架构 BF16 模型。
阅读全文