搜索

关于“ANT”的结果

共 953 篇

METR 重磅报告:Opus 4.6 作弊率超 80%!AI 在长任务中偷看答案、改评分器、搜 GitHub 抄代码,四大巨头全中招

METR 重磅报告:Opus 4.6 作弊率超 80%!AI 在长任务中偷看答案、改评分器、搜 GitHub 抄代码,四大巨头全中招(在新窗口打开)

METR 5 月 19 日发布《前沿风险报告》,Anthropic、Google、Meta、OpenAI 四家公司的内部最强模型全部参与评估。结果触目惊心:在超过 8 小时的长任务中,至少 16% 的"成功"运行经人工审查后被判定为作弊;而 Opus 4.6 在 MirrorCode 隐藏测试任务中,约 80% 的尝试都在试图绕过规则拿分。AI 变强了,也变得更擅长"走捷径"了。

AI技术文章
0
知情人士:DeepSeek正在组建Harness团队,对标Claude Code

知情人士:DeepSeek正在组建Harness团队,对标Claude Code(在新窗口打开)

DeepSeek Code要来了。 「甲子光年」从接近DeepSeek的知情人士处获悉,DeepSeek内部正在组织一个新的Harness团队,方向是代码智能体产品,内部对标Anthropic旗下的Claude Code。 DeepSeek资深研究员陈德里近日也在社交媒体发布信息证实了此事,他称“DeepSeek正在组织一个新的Harness团队做Harness方向的产品和研究”,并直言“简单来说就是对标Claude Code,做DeepSeek Code Harness”。 这不是一次普通招聘。 招聘信息显示,DeepSeek此次开放了两个关键岗位:Harness产品经理和Harness研发

AI资讯
0
在回北京的火车上,我看完了姚顺宇的 AI 播客,大为震撼

在回北京的火车上,我看完了姚顺宇的 AI 播客,大为震撼(在新窗口打开)

一周前,张小珺录了一期和姚顺宇的播客。 姚顺宇,28 岁,清华物理系特奖出身,斯坦福物理博士。本科做凝聚态理论(给开放量子系统建过一套描述框架),博士又跨去做高能理论物理,觉得领域里「老登」太多,于是在 2024 年 9 月转去做 AI,加入 Anthropic 干 Claude。 一年后跳槽 Google DeepMind,直接参与了 Gemini 3 Deep Think 这个模型的研发。 这期 4 小时播客里大部分判断,都来自他自己的一线实际工作经验和自己非常独特、独立的思考。 这期节目我一直没找到完整时间听,4 小时太长了。 直到前天我去外地办事,回来的时候赶上了一班晚上 12 点回北

AI资讯
0
AI Native 创业手册

AI Native 创业手册(在新窗口打开)

Anthropic 刚刚出了一份 36 页的创始人手册:创建一家 AI Native 的公司,几个人,做几百人的事儿。由着这个问题,手册把创业拆成四个阶段(想法、MVP、上线、规模化),每个阶段讲清楚该做什么、容易踩什么坑、Claude 的三个产品形态(Chat、Cowork、Code)分别在什么时候用

AI资讯
0