搜索
上周六Coze（7.26）不是开源了嘛，作为一个Coze的忠实用户和AI博主，没有抢到一手文章有点可惜，主要最近那会儿生病，紧接着又超级忙，就一直没空写。 但是Coze开源，这么大的事情，必须给大家安排一篇硬核的喂饭级教程！
伙计，噢！ 看看我们的设计Agent Lovart最近又更新了什么！ ChatCanvas 一个“活在”画布上， 能听我无限次修改意见的设计师！这可太棒啦！
赢了的才是「GPT-5」。 GPT-5 迟迟未现身，网友们开始制作各种梗图「吐槽」其实，这几天关于 GPT-5 的传言就没消停。先是有网友在 macOS ChatGPT 应用中发现了 GPT-5-Auto 和 GPT-5-Reasoning 模型的踪迹：
你刷的每一条短视频，背后都隐藏着推荐算法的迭代与革新。 作为最新成果，字节跳动的算法团队提出的全新推荐排序模型架构RankMixer，在兼顾算力利用率的同时，实现了模型效果的可扩展性。
Deep Cogito，一家鲜为人知的 AI 初创公司，总部位于旧金山，由前谷歌员工创立，如今开源的四款混合推理模型，受到大家广泛关注。
这一次，“不会”竟成了大模型的高光时刻。 虽然在IMO第6题上得了零分，OpenAI的金牌模型却展现了“高智商的诚实”。
每次和我妈打电话，她都会不可避免地提一嘴：「少吃点外卖。」 以前我觉得这是典型中年父母的唠叨，不太了解年轻人的生活方式。现在我懂了，她才是早就看穿一切的预言家。
尽管当前的机器人视觉语言操作模型（VLA）展现出一定的泛化能力，但其操作模式仍以准静态的抓取与放置（pick-and-place）为主。相比之下，人类在操作物体时常常采用推动、翻转等更加灵活的方式。若机器人仅掌握抓取，将难以应对现实环境中的复杂任务。
现有的方法对大语言模型（LLM）「越狱」攻击评估存在误判和不一致问题。港科大团队提出了GuidedBench评估框架，通过为每个有害问题制定详细评分指南，显著降低了误判率，揭示了越狱攻击的真实成功率远低于此前估计，并为未来研究提供了更可靠的评估标准。
上下文学习（In-Context Learning, ICL）、few-shot，经常看我文章的朋友几乎没有人不知道这些概念，给模型几个例子（Demos），它就能更好地理解我们的意图。但问题来了，当您精心挑选了例子、优化了顺序，结果模型的表现还是像开“盲盒”一样时……有没有可能，问题出在一个我们谁都没太在意的地方，这些例子，到底应该放在Prompt的哪个位置？