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
8979 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。
大模型正在成为AI公司的直接收入增长引擎，全栈AI布局形成的飞轮效应进一步显现，清晰业务模式+技术路径，已是大模型落地战中的关键纲领。
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。
Grok首个编码模型终于来了！从0构建，编程实力超强，直接冲进SWE-bench前五，仅次于OpenAI Codex-1。背后核心团队同时被爆出，华人学者占多半。
2025 年 8 月 29 日，由清华大学计算机系崔鹏教授团队联合稳准智能共同研发的结构化数据通用大模型「极数」（LimiX）正式宣布开源。
香蕉也能变礼服？Google 真的做到了！ 在最新一期谷歌开发者节目里，Google DeepMind 团队首次全面展示了 Gemini 2.5 Flash Image —— 一款拥有原生图像生成与编辑能力的最新模型。
微软紧跟OpenAI的节奏，在同一天也亲自下场发布了微软自研的两个大模型：语音模型MAI-Voice-1和通用模型MAI-1-preview。对于这位老大哥，亲自下场做的第一个AI大模型，效果究竟怎么样？
针对OpenAI最新开源的GPT-OSS，这一篇面向零基础小白用户的手把手式的详细训练教程或许能帮助你完成你的第一个GPT训练项目。
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。