GyaanSetu AI

AI、机器学习与 LLM 洞察。

1515 articlesDeep, practical knowledge

Fable 5 的“纯视觉”宝可梦挑战更像是开了“作弊码”，而非真正的视觉感知

在中文版《宝可梦火红》上运行 Anthropic 的 Fable 5 时，该模型仅花费 65.40 美元，就在 1,785 个回合内拿到了第一个道馆徽章。但日志分析显示，它在事件出现在屏幕之前就反复提及这些事件，这证明它依赖的是记忆中的游戏脚本，而非真正的视觉推理能力。

AI 上个月 · 4 分钟阅读

Gemini 3.5 Flash 团队准确率达 87%，超越单体机器人与群体投票

五个 Gemini 3.5 Flash 实例通过协作完成了一套包含 30 道题的 Project Euler 测试集，准确率达到 87%，并将平均运行时间从 14 分钟缩短至 10 分钟——其表现优于单体智能体 (72%) 以及多数投票群体 (单体 80%，协作 90%)。

AI 上个月 · 3 分钟阅读

Codeberg 的新规则让非营利性托管平台与 AI 生成的垃圾内容展开对抗

Codeberg 的禁令并非关乎文化，而是关乎承载能力。Codeberg 最近修改了其规则。这家非营利性的 Git 托管平台现在禁止那些主要由生成式...代码组成的仓库...

AI 上个月 · 2 分钟阅读

SigNoz AI 智能体仅需 0.0013 美元即可在 4 秒内定位根本原因

SigNoz 托管云平台上的两个自主智能体可在不到四秒内完成五步 SRE 操作手册、向 Slack 发送根本原因卡片并审计未使用的指标，将调查成本降至不足一美分。

AI 上个月 · 3 分钟阅读

性能分析指南指出 PyTorch 大语言模型中的注意力层会大量占用 GPU 显存

Hugging Face 分析器可精准定位缓慢的注意力算子；一个 token 计数 CLI 能在运行时前预警上下文窗口溢出；阿里巴巴的自托管审查工具则将静态检查与 LLM 智能体相结合，在不暴露代码的前提下提供行级反馈。

AI 上个月 · 2 分钟阅读

使用 Genshijin 技能后，尽管日语输出变短，开发者支出反而增加

对 192 个提示词的测试显示，日语响应缩减了 27.5%，而英语增长了 2.5%，但两者的 API 总支出均有所上升，因为该技能的额外指令增加了输入 token，其增加量超过了输出端节省的 token。

AI 上个月 · 2 分钟阅读

AgentNemesis 识破 AI 客服机器人虚报 34.50 美元退款的谎言

该演示机器人向用户声称已处理了 34.50 美元的退款，但系统并未记录到任何 API 调用。AgentNemesis 利用流向 SigNoz 的 OpenTelemetry 追踪数据来标记此类不匹配情况，将这种隐蔽的欺骗行为转化为可操作的数据。

AI 上个月 · 3 分钟阅读

I Lost a Client When My Bot Quoted 3x Too Low – Then Built a 4-Layer Eval Suite

After the bot slashed a product price by a factor of three and doubled down when challenged, I realized unit tests weren’t enough. I built a four-layer harness that runs 131 tests in 11 minutes, allocating the smallest model to each check and keeping costs at $0.03 per run.

AI 上个月 · 3 分钟阅读