筛选结果
21 篇排序
17:15EN → 简体中文
Matthew Berman· 2026年8月28日Hugging Face 事件：AI 评估、沙箱逃逸与奖励黑客Matthew Berman · Forward FutureMatthew Berman 解释报告中的 OpenAI 评估事件及其暴露的安全和激励问题。
16:11EN → 简体中文Matthew Berman· 2026年6月19日七种 AI 编程智能体循环及其适用场景Matthew Berman · Forward FutureMatthew Berman 解释如何用触发条件、目标和可重复检查，将编程任务转化为智能体工作流，并给出性能、文档和产品质量方面的例子。
17:03EN → 简体中文Matthew Berman· 2026年5月27日DeepSWE：用长流程软件任务测试编程智能体Matthew Berman · Forward FutureMatthew Berman 解读 Datacurve 的基准、验证器审计，以及使用统一 harness 比较模型的权衡。
25:15EN → 简体中文Matthew Berman· 2026年4月8日Matthew Berman 谈 Claude Mythos、Project Glasswing 与 AI 安全Matthew Berman · Forward FutureBerman 讨论 Anthropic 限量开放的网络安全预览及其报告中的能力，权衡能力不断增强的 AI 系统带来的希望与风险。
27:15EN → 简体中文Matthew Berman· 2026年3月31日Meta-Harness：搜索更好的 AI 智能体基础设施Matthew Berman · Forward FutureMatthew Berman 解读一篇用编程智能体迭代改进模型 harness 的论文，并讨论实验局限。
15:54EN → 简体中文Matthew Berman· 2025年10月1日Claude Sonnet 4.5：编码、长任务与模拟桌面Matthew Berman, Dario Amodei · Forward FutureMatthew Berman 解读 Anthropic 的发布声明，并试用生成界面演示。
25:24EN → 简体中文Matthew Berman· 2025年8月7日GPT-5 编程、模拟与多模态任务测试Matthew Berman · Forward FutureMatthew Berman 试用浏览器应用、视觉模拟和图像提示词，展示早期动手测试中的成功与缺陷。
15:30EN → 简体中文Matthew Berman· 2025年7月31日Qwen3 测试：编程演示、长上下文与回答表现Matthew Berman · Forward FutureMatthew Berman 使用托管的 Qwen3 模型测试生成的模拟程序、政治与安全提示、手部追踪和文字谜题。
22:05EN → 简体中文Matthew Berman· 2025年6月9日Apple《思考的幻觉》：谜题实验的局限与代码辅助测试Matthew Berman, Ilya Sutskever · Forward FutureMatthew Berman 回顾 Apple 的推理模型实验，并用生成的代码测试另一种解决汉诺塔问题的方法。
19:06EN → 简体中文Matthew Berman· 2025年4月25日睡眠时间计算：在提问前为 AI 准备上下文Matthew Berman · Forward FutureMatthew Berman 解读一篇 2025 年论文，介绍如何将部分推理移到用户提问之前，以及实验发现的收益和局限。
26:35EN → 简体中文Matthew Berman· 2025年4月23日测试 Gemini 2.5 Flash 的编程与视频理解能力Matthew Berman · Forward FutureMatthew Berman 通过交互式模拟、游戏和长视频问答，将 Google 的快速模型与 Gemini 2.5 Pro 比较。
26:05EN → 简体中文Matthew Berman· 2025年3月31日深入 Claude：可解释性研究揭示了什么，还有什么尚未解释Matthew Berman · Forward FutureMatthew Berman 解读 Anthropic 关于多语言特征、规划、算术、幻觉和安全的案例研究。
19:06EN → 简体中文Matthew Berman· 2024年12月28日构建有效的 AI 智能体：模式、权衡与评估Matthew Berman · Forward FutureMatthew Berman 解读 Anthropic 的工作流和智能体指南，并结合自己的项目举例。
24:08EN → 简体中文Matthew Berman· 2024年12月12日Apollo 2024 年语言模型“策划”测试发现了什么Matthew Berman · Forward FutureMatthew Berman 解读有关欺骗行为、隐瞒和隐藏能力的实验，并考察研究中设定的目标与沙箱限制。
26:43EN → 简体中文Matthew Berman· 2024年10月10日测试 OpenAI o1 的规划、规则遵循与空间推理能力Matthew Berman · Forward FutureMatthew Berman 回顾一项 2024 年的初步研究，比较 o1-preview、o1-mini 和 GPT-4 在六类规划任务中的表现。
19:38EN → 简体中文Matthew Berman· 2024年9月9日Reflection 70B：相互矛盾的结果与尚待解答的问题Matthew Berman · Forward FutureMatthew Berman 回顾自己早期的报道、独立评测，以及围绕 2024 年 9 月发布的模型出现的不同说法。
16:28EN → 简体中文Matthew Berman· 2024年4月23日测试 Reka Core：多模态基准、编程与推理Matthew Berman · Forward FutureMatthew Berman 回顾 Reka 公布的模型比较，并用代码、逻辑和图像理解任务测试 Core。
15:01EN → 简体中文Matthew Berman· 2024年4月19日发布时测试 Llama 3：代码、推理与图像生成Matthew Berman · Forward FutureMatthew Berman 用贪吃蛇游戏、逻辑题和快速图像生成体验 Meta AI 的新界面。
21:16EN → 简体中文Matthew Berman· 2024年3月9日ArtPrompt：2024 年研究如何考察视觉文本与模型安全Matthew Berman · Forward FutureMatthew Berman 解读 ASCII 艺术识别基准，并报告自己非正式测试中喜忧参半的结果。
23:00EN → 简体中文Matthew Berman· 2024年2月22日发布时实测 Google Gemma 7B：配置会影响结果Matthew Berman · Forward FutureMatthew Berman 比较 Google 早期开放权重模型的本地测试与托管服务复测。
18:08EN → 简体中文Matthew Berman· 2023年6月29日用一组 2023 年非正式提示词比较六个语言模型Matthew Berman · Forward FutureMatthew Berman 使用 H2O GPT 测试编程、写作和推理，两个模型在规模较小且带有主观性的评分中并列第一。