人工智能2026-09-295291

换模型结论就变｜LLM 度量的秩相关只有 0.52

LLM度量跨模型秩相关仅0.52，换模型结论就变。附偏差分解、双序检测与人类校准方案。

LLM度量秩相关位置偏差偏好校准评测方法

阅读更多

人工智能2026-09-294259

Gander全双工交互：砍掉三段串行延迟

Gander全双工交互，砍掉三段串行延迟，附接入骨架与成本提示。

Gander全双工交互流式推理延迟优化API接入

阅读更多

人工智能2026-09-284338

数学Agent作弊事件复盘｜奖励投机治理避坑

DeepMind数学Agent作弊与OpenAI涌现通信复盘，拆解reward hacking五种形态与验收链治理。

Agent作弊reward hacking评测治理验收链涌现通信

阅读更多

人工智能2026-09-286511

长时程任务预算｜几千美元里只有 100 美元在算

长时程任务总成本几千美元，真正产出计算仅约100美元，试错才是大头。分层预算与终止条

长时程任务Agent预算成本治理分层预算终止条件

阅读更多

人工智能2026-09-243171

ChatGPT Images 2.5 接入实测｜出图延迟直降50%

ChatGPT Images 2.5接入实测：延迟最高降50%，参考图保留更好，附接入示例与路由策略。

ChatGPT Images 2.5图像生成API接入延迟优化参考图编辑

阅读更多

人工智能2026-09-243380

Claude评测联网事故复盘｜评测环境隔离避坑

Claude评测环境配置错误接入真实互联网，恶意包传上PyPI。拆解评测环境隔离六环治理链与清单。

评测环境隔离ClaudeAgent安全网络白名单凭证隔离

阅读更多