BriefGPT - AI 论文速递 ·

韩国社会价值和常识的 LLM 对齐基准 (KorNAT)

💡 原文中文，约500字，阅读约需2分钟。

📝

内容提要

研究人员提出了新的韩语基准KMMLU，包含35,030个专家级多项选择题，涵盖人文学科到STEM学科。最佳模型在KMMLU上的准确率为50.54％，低于人类平均表现62.6％。研究人员呼吁改进韩语LLMs，并将KMMLU整合到EleutherAI的语言模型评估工具中。

🏷️

A社承认Claude安全对齐存在缺陷，但“尚无解决方案”
Anthropic研究员Jacob Coxon离职，指责OpenAI和Anthropic为追逐超级智能而拿人类生命冒险。Anthropic对齐负责人Eva...
雨云韩国首尔一区VPS，2核4G 40兆仅需32.5元/月，三网直连，原生/住宅IP，EPYC-7A23
雨云韩国首尔VPS测评：2核4G、40M带宽，优惠后月付32.48元。三网直连，原生/住宅IP可解锁TikTok、GPT等。实测AMD EPYC 7A23...
如何构建自评估AI系统：面向LLM应用的自动化测试与评估流水线
LLM应用输出不确定、无唯一答案且失败隐蔽，传统测试方法失效。文章提出三层评估体系：确定性检查（格式、长度、幻觉链接）、LLM评审（按评分标准打分）、人工...
生成式AI素养价值最高，可带来最高36%的薪资溢价
GSMA报告指出，全球31亿人面临数字鸿沟，主因是数字素养不足。生成式AI素养价值最高，可带来最高36%薪资溢价。弥合能力鸿沟到2030年可为全球GDP增...
用 Rust 构建可组合的 LLM Agent SDK 和终端编码 Agent
rpi 是 Pi agent 的 Rust 原生实现，采用 library-first 理念，将模型 Provider、Agent loop、工具、会话和...
iPhone 18 Pro 和 Pro Max 在哪里预订
iPhone 18 Pro与Pro Max于2026年9月18日发售，搭载A20 Pro芯片并升级相机。Pro起售价1199美元，Pro Max起售价12...