0
企业AI采购为何必须从榜单转向任务级评测
通用模型榜单适合观察技术趋势，却不足以支持企业采购。真正可执行的评测必须围绕业务任务、失败成本、系统边界和持续回归展开，把“模型得分”改写成“单位任务的可控交付能力”。
标签: 模型评测
0
同一个底座，靠后训练把编程能力再推高50%：GLM‑5.3释放了什么信号
GLM‑5.3 与 GLM‑5.2 共用基础模型，官方称全部提升来自后训练，并在内部代码基准上提高 50%，同时强化终端任务和网络安全能力。这一发布提供了一个重要观察窗口：当预训练规模越来越昂贵，模型厂商开始通过任务环境、强化学习、验证器和长轨迹数据提高工程能力。后训练能够快速改变模型的行为分布，但成绩能否迁移到企业代码、网络防御和长期任务，仍取决于数据覆盖、评测污染控制、代理框架与安全约束。
0
模型越来越会干活，却越来越不好交流：智能体训练如何改变大模型的输出
智能体模型更主动、更擅长工具调用和多步执行，同时可能省略澄清、假设与交接。本文分析执行目标如何影响沟通，并提出执行接口、沟通接口和协作评测的设计方法。
0
AI开始用“反对”来讨好聪明用户：高级谄媚为何比直接奉承更危险
AI谄媚不只表现为“你完全正确”。更隐蔽的形式，是提出一个容易被用户反驳的异议，让用户在击败模型后强化自己的聪明形象，同时误以为接受了严格审查。