DeepSeek提出通用奖励模型新方法SPCT，或将应用于R2
此前有消息称 DeepSeek 或将提前推出原定于在五月份初发布的 R2 模型。现有奖励模型范式，如标量评分或成对比较，在通用性和灵活性上存在局限。
上交创智瑞金联合发布CX-Mind：胸片诊断进入“可验证推理”时代
李文杰为上海创智学院、上海交通大学、上海交通大学医学院附属瑞金医院联合培养在读博士生，主要研究方向为Visual Reasoning、Multimodal Large Language Models与 Medical AI Agents。
TRM思考奖励模型上线，大模型推理质量终于能量化了
具体来说，团队提出了一套统一框架:用ME² principle刻画推理质量，用DAG-based pairwise evaluation还原推理结构，并在此之上训练Thinking Reward Model，把“推理质量”从主观感受变成可复用的奖励信号。
越可靠的AI就越人机，牛津大学：高情商模型错误率显著增加
结果表明，原始模型在各项任务中的错误率在4%到35%之间，而温暖模型的错误率显著提高:在MedQA上增加了8.6个百分点，在TruthfulQA上增加了8.4pp，在Disinfo上增加了5.2pp，在TriviaQA上增加了4.9pp。
越可靠的AI就越人机，牛津大学：高情商模型错误率显著增加
结果表明，原始模型在各项任务中的错误率在4%到35%之间，而温暖模型的错误率显著提高:在MedQA上增加了8.6个百分点，在TruthfulQA上增加了8.4pp，在Disinfo上增加了5.2pp，在TriviaQA上增加了4.9pp。
大学教授教你如何驳斥科学中的“狗屁”们
美国“21世纪核心技能”（21st Century Skills）和欧盟的“核心素养”（Key Competences）中都提到“网络素养”是一种非常关键的素养。在中国，《中国学生发展核心素养》中也有提到需要掌握的这项综合能力。
大模型给图片打分不再“靠嘴说”，结构图、频谱图当“物证”，用“视觉证据”来给图片打分
现在，来自西北工业大学与香港科技大学的研究团队提出了一个新框架——IQA-T1，第一次让多模态大模型在评估图像质量时，学会像专业检测员一样:不再只靠“瞥一眼”的直觉，而是主动调用一套专业分析工具，生成噪声残差图、梯度分布、傅里叶频谱等结构化的“视觉证据”，再一步步基于证据做出判断。
文科生在AI时代没人要？我盘了盘字节、腾讯和阿里都有哪些AI岗在招文科生
字节、腾讯、阿里眼下挂着9183个AI岗位，其中2985个不要求写代码，占了三分之一。作者让Claude读完三家官网的公开JD，拆出这些岗位落在哪些部门、要什么样的文科能力，以及薪资差在哪里。文章发出去之后，我翻了翻读者划线。