筛选结果
28 篇排序
1:53EN → 简体中文
Matthew Berman· 2026年7月8日Anthropic 的 J-space 研究揭示了什么 AI 推理现象Matthew Berman · Forward FutureMatthew Berman 讨论模型内部表征、干预和意识问题；研究本身也说明了重要的局限。
11:15EN → 简体中文Matthew Berman· 2026年3月27日ARC-AGI-3：测试 AI 智能体如何学习陌生游戏规则Matthew Berman · Forward FutureMatthew Berman 介绍 ARC 早期网格谜题，亲自试玩 ARC-AGI-3 的互动关卡，并查看早期模型成绩。这一基准测试的是特定形式的适应能力，并不能最终判定系统是否具有通用智能。
7:49EN → 简体中文Matthew Berman· 2025年12月2日DeepSeek V3.2：推理、稀疏注意力与智能体训练Matthew Berman · Forward FutureMatthew Berman 解读 DeepSeek 在 2025 年 12 月发布的模型、基准结果，以及提升长上下文效率和工具使用能力的技术。
13:53EN → 简体中文Matthew Berman· 2025年10月10日微型递归模型与谜题基准比较的局限Matthew Berman · Forward FutureMatthew Berman 研究一种在 ARC 和数独上报告强劲结果的小型递归网络，以及其实验设置的意义。
11:38EN → 简体中文Matthew Berman· 2025年6月12日2025 年 6 月 AI 新闻：Magistral、语音模型与图像生成Matthew Berman · Forward FutureMatthew Berman 回顾 Mistral 推理模型、语音和浏览器更新、Meta 与 Scale AI 的相关报道，以及 FLUX.1 Kontext。
10:09EN → 简体中文Matthew Berman· 2025年5月30日DeepSeek R1 0528：基准提升与两次编程测试Matthew Berman · Forward FutureMatthew Berman 评析 DeepSeek 在 2025 年 5 月推出的推理模型更新，将公布的基准提升与自己的魔方和贪吃蛇编程测试作比较。
15:13EN → 简体中文Matthew Berman· 2025年5月10日Absolute Zero：用自行生成的编程任务训练推理模型Matthew Berman · Forward FutureMatthew Berman 解读一篇 2025 年的论文：预训练语言模型利用可验证的反馈，自行提出并解决编程任务。
14:04EN → 简体中文Matthew Berman· 2025年4月29日Qwen3：开放权重、可调整推理与工具使用Matthew Berman · Forward FutureMatthew Berman 回顾 2025 年 4 月的 Qwen3 系列、其基准成绩、训练流程和本地演示。
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。
15:15EN → 简体中文Matthew Berman· 2025年4月19日OpenAI o3 与 o4-mini 的早期反响：工具使用、数学与错误Matthew Berman · Forward FutureMatthew Berman 回顾 2025 年的演示和基准报告，从地点识别、编程到挑战乐观预期的简单错误。
12:30EN → 简体中文Matthew Berman· 2025年3月7日QwQ-32B：更小的推理模型及其权衡Matthew Berman · Forward FutureMatthew Berman 考察 Qwen 的强化学习训练方法，测试编程任务，并与 DeepSeek-R1 比较基准成绩和硬件需求。
9:35EN → 简体中文Matthew Berman· 2025年2月25日Claude 3.7 Sonnet 与 Claude Code：早期编程测试Matthew Berman · Forward FutureMatthew Berman 解读 Anthropic 2025 年发布时的基准，构建由 AI 控制的贪吃蛇游戏，并测试数学和近期信息。
9:43EN → 简体中文Matthew Berman· 2025年2月20日测试 Grok 3：游戏、推理与网络搜索Matthew Berman · Forward FutureMatthew Berman 尝试一组观众建议的新提示，从贪吃蛇与 Flappy Bird 的混合游戏，到家庭逻辑题和超立方体可视化。
6:50EN → 简体中文Matthew Berman· 2025年2月12日DeepScaleR：在竞赛数学中测试的小型推理模型Matthew Berman · Forward FutureMatthew Berman 回顾一个 1.5B 模型报告的基准结果，并在本地运行量化版本，测试一道 AIME 题目。
9:58EN → 简体中文Matthew Berman· 2025年1月31日OpenAI o3-mini 发布：推理强度、基准与贪吃蛇测试Matthew Berman · Forward Future2025 年 1 月，Matthew Berman 解读 OpenAI 报告的结果，并用不同推理设置尝试两个编码示例。
8:52EN → 简体中文Matthew Berman· 2025年1月21日业界对 DeepSeek R1 于 2025 年发布的反应Matthew Berman · Forward FutureMatthew Berman 回顾 DeepSeek R1 发布初期的反应，涉及开放权重推理模型、本地硬件、基准结果和 API 价格。
21:02EN → 简体中文Matthew Berman· 2024年12月24日OpenAI 2024 年 o3 预览版引发的反应：基准、成本与局限Matthew Berman · Forward FutureMatthew Berman 综述外界对 o3 预览版的反应，从数学基准到关于 AGI、算力和可靠性的争论。
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。
10:57EN → 简体中文Matthew Berman· 2024年9月13日测试 OpenAI o1-preview：俄罗斯方块、物理推理与北极题错误Matthew Berman · Forward Future2024 年 9 月，Matthew Berman 用个人评分题目测试新推理模型预览版，考察回答的成功与失误。
12:03EN → 简体中文Matthew Berman· 2024年9月6日Reflection 70B：自我纠错的说法与 2024 年演示的局限Matthew Berman · Forward FutureMatthew Berman 评测一个经过训练、会生成反思步骤的模型。其最初的基准成绩后来难以由独立评估者复现。
12:17EN → 简体中文Matthew Berman· 2024年8月7日测试 Gemini 1.5 Pro 的编程、推理、图像和视频能力Matthew Berman · Forward FutureMatthew Berman 在 2024 年的一次非正式评测中比较标准版和实验版 Gemini，发现结果有好有坏，并反复出现输出错误。
17:03EN → 简体中文Matthew Berman· 2024年6月8日Qwen2 0.5B 与 72B：实际测试比较Matthew Berman · Forward FutureMatthew Berman 在 2024 年的演示中，使用编程、算术和推理提示词测试 Qwen2 最小和最大的模型。
17:12EN → 简体中文Matthew Berman· 2024年4月30日2024 年 4 月测试神秘模型“gpt2-chatbot”Matthew Berman · Forward FutureMatthew Berman 在模型身份尚不确定时，用编程、算术和推理任务对它进行测试。加载更多已显示 24 篇，共 28 篇