BriefGPT - AI 论文速递 ·

TRAM：大型语言模型的时间推理基准评估

💡 原文中文，约300字，阅读约需1分钟。

📝

内容提要

本文讨论了时间常识推理领域的研究，重点关注提高语言模型性能的多种增强和它们在数据集上的评估。然而，这些模型在处理时间常识属性的推理任务上仍然难以接近人类表现。需要谨慎解释研究结果，适当准备数据集和评估指标来实现。

🏷️

AI代理评估是产品的一部分
该文讨论AI代理（Agent）的评估问题。文章指出，演示成功不代表系统可靠，需将评估纳入交付流程。建议建立可重复的评估系统，使用固定场景和真实任务，记录完...
我们花了一周时间测试IFA上最棒（也最奇特）的科技产品，欢迎提问
IFA 2026柏林展会上，The Verge编辑测试了众多科技产品，涵盖智能家居、手机、手表等。他们正为订阅者举办问答活动，解答关于飞利浦Hue灯、Eu...
机器人不能停下来等模型：星尘发布 SmoothRL，让在线强化学习跟上大模型的异步推理
星尘智能发布SmoothRL框架，解决真实机器人异步执行中的在线强化学习问题。该框架仅对实际执行的动作进行学习，并保持训练与部署节奏一致。在投掷、戴笔帽、...
Claude Fable 5.1 vs. Fable 5: On real work, I couldn’t tell them apart.
Anthropic launched Claude Fable 5.1 this week, calling it “our most advanced ...
Building trust in agentic RAG starts with evidence
Basic retrieval-augmented generation (RAG) follows a straightforward pattern....
Kimi K3 模型结构（3）：序列维度，Gated MLA 与 3:1 混合
本文介绍Kimi K3模型结构：采用3:1混合，每四层含一层Gated MLA（无位置编码、满秩sigmoid门），其余为KDA层。MLA低秩压缩KV至5...