Naver推出开源模型HyperCLOVA X SEED Think，在artificialanalysis站点得分仅44分，接近韩国模型EXAONE 4.0 32B；国产Deepseek R1得分52分；基于AA-Omniscience指数评估，Gemini 3 Flash/Pro和Claude Opus 4.5在知识可靠性和幻觉测试中表现最佳。该指数通过6000题跨领域问题测试，分数范围-100至100，奖励正确答案、惩罚幻觉。作者分享常用模型并呼吁读者交流偏好，测评方法参考arXiv详细研究。
原文链接：Linux.do
AI周刊：大模型、智能体与产业动态追踪
程序员数学扫盲课
冲浪推荐：AI工具与技术精选导航
Claude Code 全体系指南：AI 编程智能体实战
最新评论
开源的AI对话监控面板很实用,正好团队在找这类工具。准备试用一下。
折叠屏市场确实在升温,不过售罄也可能是备货策略。期待看到实际销量数据。
从磁盘I/O角度解释B树的设计动机,这个切入点很好。终于理解为什么数据库不用二叉树了。
IT术语转换确实是个痛点,之前用搜狗总是把技术词汇转成奇怪的词。智谱这个方向值得期待。
这个工具结合LLM和搜索API的思路很有意思,正好解决了我在做知识管理时遇到的问题。请问有没有部署文档?
这个漏洞确实严重，我们团队上周刚遇到类似问题。建议补充一下如何检测现有项目是否受影响的方法。
从简单规则涌现复杂性这个思路很有意思，让我想起元胞自动机。不过数字物理学在学术界争议还挺大的。
我也遇到了指令跟随变差的问题，特别是多轮对话时容易跑偏。不知道是模型退化还是负载优化导致的。