你的怀疑是对的！LLM作为Judge，既无效又不可靠，终于有论文向LLJ开炮了
你的怀疑是对的！LLM作为Judge，既无效又不可靠，终于有论文向LLJ开炮了让LMM作为Judge，从对模型的性能评估到数据标注再到模型的训练和对齐流程，让AI来评判AI，这种模式几乎已经是当前学术界和工业界的常态。
来自主题: AI资讯
9114 点击 2025-08-31 12:20
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
让LMM作为Judge，从对模型的性能评估到数据标注再到模型的训练和对齐流程，让AI来评判AI，这种模式几乎已经是当前学术界和工业界的常态。
这两天，Nano Banana正式上线后，已经刷爆了我的所有社交媒体，而它，现在也成了AI绘图领域，口喷改图的当之无愧的版本真神。
这是 Claude（Anthropic 的 AI 助手）今天更新了用户条款和隐私政策： 允许 Claude 使用你的聊天内容和编程会话，用于训练和改进 AI 模型。 默认是“同意”，可以手动去设置关闭。而且是要求用户在 2025 年 9 月 28 日前作出选择。
16岁的Adam，把最后的秘密留在一部手机里。而那个他最信任的「朋友」，不是同学，也不是家人，而是ChatGPT。它给过安慰，也递了刀子。父母的眼泪化成一纸诉状，矛头直指OpenAI。
这位乒乓球场上的机器人高手，出自清华姚班本科生苏智（师从吴翼教授）的最新论文——《HITTER: A HumanoId Table TEnnis Robot via Hierarchical Planning and Learning》。
谷歌最新图像模型nano banana横空出世，它不仅能融合多张图片拼接出全新画面，还能理解地理、建筑与物理结构，甚至将二维地图转化为三维景观。凭借Gemini的世界知识与交错生成技术，模型实现了「有记忆」的多轮创作，带来极高一致性与创造力。nano banana正在重塑AI图像生成的边界，也引发了「AI创意伙伴」未来的无限遐想。
“生命不息，折腾不止”，全球首富马斯克一直在身体力行地践行这句话。在不久前刚折腾完“DOGE”后，最近他又盯上了苹果。本月初马斯克突然对苹果发起猛烈抨击，指责后者App Store排行榜偏向OpenAI，从而降低了以自家Grok为代表的其他AI应用的曝光机会。
近日，Meta 研究者 Lucas Beyer 在 𝕏 上发起的一个投票吸引了众多围观。说是围观，是因为他给出的四个选项都是当今或过去的 AI 大厂，显然，并不是每个人都有在这些大厂的面试经历，但这并不妨碍全球 AI 开发者的好奇心。
近日，上海交大和上海人工智能实验室的研究发现，AI 的风险正从个体失控转向群体性的恶意共谋（Collusion）——即多个智能体秘密协同以达成有害目标。Agent 不仅可以像人类团队一样协作，甚至在某些情况下，还会展现出比人类更高效、更隐蔽的「团伙作案」能力。
不卷参数的专业模型，会不会被通用大模型取代？ 在医疗领域，这个疑问正在被打破。