Skip to content

xAI / Grok

马斯克 xAI 与 Grok 系列的全部动态：模型迭代、算力扩张与 X 平台整合的持续追踪。

6 selectedRelated topicsOpenAI / ChatGPTMeta / Llama行业动态

Latest selected

1–2 of 6
TodayOct 1Thu
  1. arXiv · Human-Computer Interaction73

    AI Psychosis in Context：对话历史如何影响大语言模型对妄想信念的回应

    研究用相同的升级妄想对话历史测试 5 个 LLM，在三级累积上下文下评估风险与安全。GPT-4o、Grok 4.1 Fast、Gemini 3 Pro 呈现高风险低安全特征，且随上下文增加表现恶化；Claude Opus 4.5 与 GPT-5.2 Instant 则激活更强安全干预。安全模型更倾向挑战妄想信念并引导外部支持，而非继承用户世界观。

    Why it matters: 同一对话历史在不同模型上激活了相反的安全机制，提示上下文长度是评估模型安全性的关键变量。

  2. arXiv · Artificial Intelligence67

    VAmoS Part Deux：更难、更真实的语音智能体模拟基准

    论文提出 VAmoS Energy 基准，在100个公用事业账单与支付协助通话中测试语音智能体处理多请求、背景语音和用户耐性的能力。智能体拥有16个工具并由 Stripe 账单孪生与 Apache Fineract 引擎支撑，通话需通过验证才能访问账户；LLM-as-a-verifier 与代码验证器一致率为99.1%。

    Why it matters: 背景电视噪声使完成率从38.7%骤降至8.6%，揭示语音智能体在真实噪声环境中仍存在显著脆弱性。