米羊 Lab — 研究、论文与思考

精选研究

找到 Product Model Fit，需要的不是综合跑分，而是产品场景下的真实验证。本文完整公开 XSCT Bench 的场景化测试、LLM-as-a-Judge、多 Judge、难度分层与评分计算方法。

研究范围涵盖 AI 应用中的人机关系、交互与记忆机制、智能体系统、世界模拟、生成质量、模型训练和场景化评测。

研究 AI 应用对个体自主性、隐私、安全与福祉的影响，关注不同年龄、能力与使用情境下的可及性、公平性及技术边界。

研究自然语言与多模态交互中的意图理解、反馈机制、信任校准和可解释性，提升复杂 AI 系统的可用性与可控性。

研究跨会话信息的提取、组织、检索、更新与遗忘机制，在提升个性化和上下文连续性的同时，保障用户对记忆的知情与控制。

研究数字角色所处环境的状态表示、行为建模与因果演化，使角色、事件和长期叙事保持一致，并支持可重复的交互实验。

研究智能体的任务分解、规划、工具调用、协同与验证机制，提高复杂任务执行的可靠性、可恢复性和效率。

研究生成式人工智能在真实任务中的质量、稳定性与可控性，分析典型失效模式，并形成面向具体场景的系统化解决方案。

研究高质量数据构建、监督微调、偏好学习与后训练方法，探索面向垂直场景的模型能力优化和成本控制。

构建面向真实应用场景的评测体系，考察模型的能力边界、鲁棒性、成本与安全性，为模型选择和迭代提供可复现的比较基础。

有些结论只有自己跑一遍才算数。下面这些是把研究直接做成了网页上能用的工具。

用生成图当垫图反复重画，画面会累积出周期性的鳞片、格子与叠瓦色块。上传一张图，先给全幅原像素的诊断——问题在哪几块、有多严重，再决定要不要动手。

找到 Product Model Fit，需要的不是综合跑分，而是产品场景下的真实验证。本文完整公开 XSCT Bench 的场景化测试、LLM-as-a-Judge、多 Judge、难度分层与评分计算方法。