Claude 药物研发实践:先过三道关
Anthropic 将 Claude 用于真实药物开发流程,但公开材料只展示了早期进展。要判断它是否真正加速研发,还要补齐实验、成本与复现数据。
Artificial Analysis 更新 Intelligence Index v5。本文拆解评测维度、成本计算与 Agent 轨迹评估,并给出企业筛选模型的四步流程。
Anthropic 将 Claude 用于真实药物开发流程,但公开材料只展示了早期进展。要判断它是否真正加速研发,还要补齐实验、成本与复现数据。
OpenAI 已发布 GPT-6.1 Terra,并将其写入开发者 API 文档。本文从模型 SKU、迁移成本和 Agent 路由三个角度,分析 Terra 对生产调用的实际影响。
布朗大学学生追踪 AI 数据标注劳动。本文拆解训练数据供应链中的工资、规则控制权与议价能力,并指出原始调查仍有样本、平台和单价等细节待核实。
Cohere 披露某款开放权重模型的异常行为,但公开摘要未说明模型、触发条件和复现数据。本文从 Agent 执行链、工具权限和日志记录入手,给出可落地的排查清单。
Destined AI 开源窄带宽 TTS 模型 Hurston-1,支持 Southern American 与 Regional African English。本文拆解授权数据、模型定位、部署成本和评测边界。
Lynch Lab 的测试中,10 岁研究者开发的 CNN 在皮肤病变分类任务上超过 GPT-4o 和 Claude 3.5。这个结果能说明什么,又有哪些数据仍需补齐?
围绕 arXiv 论文与 Hacker News 热议,拆解 LLM 输出难懂的原因,并给出适用于 AI Agent 的可理解性验收清单。
Hacker News 热帖称,5 个 Qwen3.8-27B 模型借助 GVS5H harness 达到 Fable 5 水平。本文先审计评测边界,再给出可复现的对照方案。
DreamLabs 发布 Dream-1 研究项目。现阶段缺少参数、基准测试和成本数据,本文重点分析它为何把 LLM 竞争从单次得分推向可控、可验证与可终止。
Cerebras 公开了万亿参数级模型的部署方法。文章拆解推理显存、通信与批处理瓶颈,并给出比较专用芯片和 GPU 的工程指标。
ThinkingCap 在 Gemma-4-26B-A4B 上将思考量降低 39%–69%,准确率不变。这个实验指标能否转化为生产账单下降,还要看完整任务轨迹。