谷歌周四发布了 Gemini 4 Hydrogen。和 Gemini 3.8 Flash 放在默认高推理档位对比，完成任务的速度快了 2.5 倍，Terminal-Bench 4.1 得分也从 18.2% 提到 57%，虚构陈述少了不少。 …
Dario Amodei 在纽约参加 JPMorgan 活动，和 Jamie Dimon 谈到 Anthropic 的上市安排。 外面怎么晃，暂时没影响他的判断。#AI模型
Meta 这篇论文把矛头指向了一个常用判断：LLM 的似然高，不代表答案就是真的。 模型可能只是记住了文本里常见的说法。 论文建议换几个视角作答，比如让 3 位医学专家分别回答，只保留共同部分，意见对不上就先弃答。 问题是它没做实验，只有示…
