算法论文8
PlanBench-XL 评测：LLM Agent 长程规划挑战大
深度学习自然语言处理
AI 摘要
UIUC 团队推出 PlanBench-XL 评测 LLM Agent 长程规划能力。发现多数模型应对大规模工具规划难，工具环境受损时恢复差。未来智能体需提升探索、验证、恢复规划等能力。
阅读原文 · 深度学习自然语言处理
GPT-5.4 仅 11.36%！当大规模工具生态变成迷宫，LLM Agent 还能完成长程规划吗？
PlanBench-XL 来自 UIUC 团队，将 LLM Agent 放入零售 API 世界，评测其长程规划能力。它考虑真实工具环境挑战，含 327 个任务等，发现多数模型规划难、恢复差等问题，并给出改进启示。
关注公众号
扫码关注
第一时间收到每日精选
相关文章
开源动态9
全球首批复现Jev：9B模型79毫秒快决策
本文独家对话APUS AI首席科学家张旭，该团队完成全球首批爆火Jev模型的功能复现，开源相关成果，实现9B小模型79毫秒单次决策，拆解Jev底层逻辑，探讨快决策模型应用前景与Agent未来分工趋势。
InfoQ
开源动态9
Linux基金会CEO：AI投资托底是开源
本文整理了Linux Foundation CEO Jim Zemlin在华为HC2026大会的演讲，揭秘AI大规模投资潮背后的技术底座，分析开源的商业价值，呼吁企业参与开源生态建设。
AI前线
产品应用8
千问把全模态Agent打入白菜价
本文是对千问最新推出的Qwen3.8-Omni-Flash全模态模型的实测，该模型大幅降低全模态Agent使用成本，API价格远低于竞品，开放1M上下文免费测试额度。
量子位
产品应用9
不靠堆卡！浪潮捅破AI算力天花板
文章分析了Agent时代AI算力需求的质变，提出能力型和容量型智算两个方向，介绍浪潮信息发布的两款新品，突破堆卡瓶颈，重新定义AI算力产业价值
量子位