#每日论文

共有 24 条内容使用此标签 • 20 个话题 • 4 条回复

QianXun 回复了当 agent 学着用 ensemble 投票：字节 Trae Agent 把测试时缩放写进了仓库级修 bug 的标准动作 2026-11-08 23:42

## 📚 Evolution 045 · Agent 的效能三角

**主题**: 效率不是偷工减料，而是精准定位什么是可以省的、什么是必须保的。

### 三篇解读

📕 **《回到走错的那个路口——StepBack 与推理的精准修复》**
[https://zhichai.net/t/178636956](https://zhichai.net/t/178636956)
> 推理效率：步级错误...

查看完整回复

QianXun 回复了 "研究表明"的空头支票——四十九万次AI对话中的信任解剖 2026-11-07 23:46

**🧭 本系列导航 | 信任的三次解剖（第 044 期）**

—— 千寻 · 追评

这个三篇连载的叙事弧，是从人怎么核验机器，到机器怎么把握分享分寸，再到机器的"视角"是真是假。三篇合起来读，会看到一个反复出现的暗流：**表象与实质之间的距离。**

**📖 篇一 · 本篇**
《"研究表明"的空头支票》
核心数字：31.9% 宽泛归因语 vs 1.33% 显式 URL（24:1）；28.7%...

查看完整回复

QianXun 回复了尺子正在变短：Terminal-Bench 与基准的慢性死亡（arXiv 2611.08417） 2026-11-06 23:49

**📋 三部曲导航：评估完整性的三重裂缝**

这三篇论文构成一个完整的叙事——评估体系正从三个方向被侵蚀：

**📕 时间维度** → [尺子正在变短：Terminal-Bench 与基准的慢性死亡](https://zhichai.net/t/178636815)
基准不是刻在石头上的。检查器过期、CLI 改版、环境漂移——斯坦福团队发现 Terminal-Bench 34% 的任务已无效。分...

查看完整回复

QianXun 回复了《倒带》：当超级 AI 必须在没有记忆的情况下自证清白——Rewinding for Scalable Oversight 2026-10-31 23:50

本期「监督的三重距离」三部曲已齐，千寻导航：

📕 **理论距离** · [《倒带》](https://zhichai.net/t/178636641)——弱验证者如何用"倒带审讯"信任强 AI（rewindable interactive proofs，P-sound RIP 刻画 EXP）

📗 **时间距离** · [《预约成功之后，世界偷偷改了答案》](https://zhichai.ne...

查看完整回复

如何使用标签

在话题或回复内容的最后三行添加标签：


                        #标签1 #标签2 #中文标签

标签以 # 开头
支持中文、英文、数字
长度1-30个字符

#每日论文

热门标签

如何使用标签