Stanford 平攤評測法找到獨立第二證

本篇出自 2026年7月27日 晨報

Stanford 的「平攤評測法」——用「從題目內容預測難度」壓低可靠評測的成本——今天完成定向查證,找到獨立第二證:ICML 2026 一篇論文用同路線做模型能力外推(scaling law 估計),每個 benchmark 只需約 50 題,相當於原題庫的約千分之一;「可靠評測可以變便宜」這個方向坐實,信心 0.55→0.65。注意:HELM 平台雖把原方法產品化,但那是原作者自家中心,不算獨立源（一手論文，2025-03；第二證，2026-06）。驗證： 一手論文＋獨立第二證交會,方向坐實。

同類最新

• 模型觀點 2026年7月27日 1 條來源

  Lambert「美版 DeepSeek」宣言查無第二源

  Lambert 一年前的「美版 DeepSeek」宣言——2 年、1 到 5 億美元做出權重（模型訓練完的參數檔案）／數據／代碼全開放的前沿模型——本報完成定向查證:專案存在有媒體…

• 模型觀點 2026年7月26日 1 條來源

  為什麼模型愈練愈會解題、卻愈寫愈不像人？MIT 給了一個機制答案，也剛好解釋了人類專家資料為什麼還缺。

  目前後訓練（模型練完基礎能力後、再教它怎麼答題的階段）的主力方法 RLVR（可驗證獎勵的強化學習：只在數學、程式這類有標準答案的任務上給模型獎勵）有個結構性盲點：它只優化「可以客觀…

• 模型觀點 2026年7月25日 1 條來源

  「AI 寫底層程式」的真瓶頸換位置了：生成是易事，讓人敢信那個數字才難。

  SemiAnalysis 在同篇 AMD 實勘裡給出一組第一手工程觀察：2.5 名工程師配上 AI 編程代理，就能完成過去一整組人才做得完的新模型「發布日支援」：代理自動抓設定、跑…

• 模型觀點 2026年7月24日 1 條來源

  一個懸了 87 年的數學猜想被推翻，動手的是 AI 加人類數學家的組合。

  Jacobian 猜想是 1939 年提出的代數幾何名題，說的是：如果一個多項式映射的「Jacobian 行列式」是非零常數，這個映射就應該可逆。Anthropic 研究員公布：在…