推荐文章7

新Text2Sql方案提升检索准确性

AINLPer2025-06-11

AI 摘要

作者：在对精确性等要求高的领域，完全依赖大模型NL - to - SQL能力易出错。提出基于函数调用LLM的新范式，将LLM聚焦调用预定义功能函数，提升检索准确性等，也适用于其他高要求场景。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

清华发布OSWorld-Science评测基准

本文针对AI能否自主操作科研软件完成真实科研任务的问题，介绍了清华大学牵头多机构推出的OSWorld-Science，这是面向真实科研场景的智能体评测基准，包含146项真实科研任务，评测了12个主流模型，曝光了当前智能体的能力短板，为领域研究提供了统一评测基础。

本文报道Meta推出新一代旗舰大模型Muse Wonder系列，第三方评测显示其在长程编程、Agent任务中超越现有顶级模型，扎克伯格称Meta重回AI技术前沿，但实测暴露短板，推理成本大幅上涨。

Meta发布号称目前最好的多步骤Agent模型Muse Wonder，基准数据碾压Claude Opus 5.5，但网友测试和实际使用暴露了它纸面数据强、实际体验差的问题

本文报道Meta发布全新大模型Muse Wonder，官方宣称跑分超越GPT-6 Astra与Claude Opus 5.5，砸千亿冲击前沿大模型梯队，却遭开发者实测翻车，引发刷榜作弊争议，梳理了模型优缺点与Meta的AI战略布局。