量化后的LLM看似准确率不变，但推理过程已悄然“空心化”，本文用六类故障图谱揭示这一隐患。
arXiv:2607.09999v1 Announce Type: cross Abstract: We show that post-training quantization can silently alter how large language models reason even whe…
自我引导的测试时训练，专治长上下文LLM的准确率退化难题。
arXiv:2607.09415v1 Announce Type: cross Abstract: Long-context processing has become increasingly important for large language models (LLMs), but simp…
IT之家 7 月 9 日消息，英伟达昨日（7 月 8 日）发布博文，宣布在 LangChain 的 Deep Agents benchmark（深度智能体基准）测试中，旗下 NVIDIA Nemotron 3 Ultra 取得开源模型最高准确率。 IT之家注：Deep Agents 是具备多步推理、…
全球最快最准的语音听写模型，让口述转文字的效率与精度双双登顶
The fastest, most accurate dictation model in the world Discussion | Link
桥水基金最新研究显示，GPT、Claude等前沿AI在金融判断准确率仅50-70%，未达80%可信门槛。
IT之家 7 月 3 日消息，桥水基金旗下 AIA Labs 联合 OpenAI 前 CTO Mira Murati 创立的 Thinking Machines Lab 对包括 GPT、Claude 和 Gemini 在内的前沿大语言模型在基础金融信息筛选任务进行了测试，但结果表现不佳，而基于开源模…
AI自我进化新突破：将搜索代码从1260行压减至75行，准确率提升7.7%，token消耗减少4倍。
Article URL: https://github.com/001TMF/harness-forge Comments URL: https://news.ycombinator.com/item?id=48526233 Points: 1 # Comments: 0
谷歌新AI模型Gemini-SQL2以80.04%准确率登顶文本转SQL任务榜单，技术突破值得关注。
IT之家 6 月 13 日消息，Google Research 昨日（6 月 12 日）发布公告， 宣布推出 Gemini-SQL2 模型，基于 Gemini 3.1 Pro 打磨，具备最顶尖的 Text-to-SQL 能力。 IT之家注：Text-to-SQL 是指把自然语言问题自动转换成 SQL…
飞利浦最新调研证实AI提升诊断准确率，医护人员每周平均可多接诊5名患者，具有实际经济价值。
IT之家 6 月 10 日消息，据路透社报道，医疗科技企业飞利浦北美区首席执行官表示，一项由该公司发起的调查显示，人工智能有助于提升患者护理的精准度，部分情况下还能节约时间与成本。飞利浦主营医疗诊断、影像及云技术相关业务。 杰夫 · 迪卢洛指出，长期来看，人工智能将重塑医护人员的工作职能，尤其能显著…
AI识别鱼翅海马走私准确率达92%，用技术为野生动物保护筑起防线。
IT之家 6 月 8 日消息，提起野生动物走私，我们或许会想到犀牛角、被当作宠物贩卖的红毛猩猩幼崽。但海洋生物走私这类鲜为人知的犯罪活动，同样会严重破坏海洋生态系统。令人担忧的是，鱼翅等常见走私海洋野生物品极易藏匿在行李或包裹中跨境运输，往往难以被查获。为解决这一难题，科研人员借助人工智能研发出一套…
百度文心衍生模型准确率破96.33%，超越GPT-5.2和Gemini-3-Pro，登顶文档解析全球第一
已上线 PaddleOCR 官网，支持网页端和API调用
SWE-bench Verified上创97%新高！开源Subscription-token Agent超越顶级模型，代码修复能力惊人。
Article URL: https://github.com/kimjune01/swebench-verified Comments URL: https://news.ycombinator.com/item?id=48259575 Points: 2 # Comments: 0
实测AI代理如何在一秒内从686个技能中精准选中最优解，准确率68%的秘密武器是语义路由+向量检索。
I ran an empirical test on the "skills as semantic router" pattern for Claude Code agents. I indexed 686 randomly sampled skills from a 4,556-skill co…
TurboQuant号称8倍速，实测CPU端到端慢2.2倍，Qwen准确率还降17个百分点，别被合成数据骗了。
Article URL: https://deemwar-products.github.io/llama-cpu-benchmarks/ Comments URL: https://news.ycombinator.com/item?id=48212222 Points: 1 # Comments…
新研究提出评测框架，分解LLM推理中token效率与准确性的关系，揭示模型是否真正高效推理而非空转。
arXiv:2602.09805v2 Announce Type: replace-cross Abstract: As reasoning LLMs increasingly trade tokens for accuracy through deliberation, search, and s…
发现CoT推理长度并非越长越好，提出Insight Replay新方法解决准确率下降问题
arXiv:2605.14457v1 Announce Type: new Abstract: Chain-of-Thought (CoT) reasoning has become a foundation for eliciting multi-step reasoning in large l…