「人类认知」共找到 1432 篇相关文章
AgentIF-OneDay 发布，评估全场景长时复杂任务
红杉中国 xbench 发布 AgentIF - OneDay 评测体系，用于评估大模型解决复杂任务的能力。该体系从任务复杂度新视角出发，沿 Scaling Context 和 Scaling Domain 推进，构造了三类典型任务进行测评，揭示了主流 Agent 的能力边界。
DeepSeek-OCR是「长文本理解」未来方向？中科院新基准VTCBench给出答案
DeepSeek - OCR的VTC技术可实现高压缩率，降低长文本处理成本。但视觉语言模型能否理解压缩信息存疑，中科院等推出VTCBench评估，测试模型认知极限，还推出VTCBench - Wild检测鲁棒性。
Google 团队一年都没做出来的项目 Claude Code 一小时就把代码写出来了
Google首席工程师称团队一年没搞定的分布式Agent编排系统，Claude Code一小时生成代码。但后续有澄清，AI是基于人一年探索成果生成‘玩具版本’。还分析了工作价值、瓶颈转移等，指出AI时代个体和小团队机会。
打脸哲学无用！牛津博士教出Claude，自曝百万年薪提示词秘诀
Anthropic驻场哲学家Amanda Askell主导设计Claude的性格等机制，她分享制定有效AI提示词方法，认为需哲学思维。此外还提及不同人对提示词看法，以及大模型存在的「裂脑问题」。
GPT-5.2来了！首个「专家级」AI复仇成功，牛马打工人终于得救了
OpenAI发布GPT - 5.2「全家桶」，含即时、思考、专业三款模型。它全方位碾压谷歌Gemini 3 Pro，在多方面进化，虽价格涨40%，但性价比更高，还适合多种专业工作，甚至能辅助科研。
爆发力超越波士顿动力液压机器人，PHYBOT M1实现全球首次全尺寸重型电驱人形机器人完美拟人态后空翻
动易科技的全尺寸人形机器人PHYBOT M1实现全球首次全尺寸重型电驱机器人完美拟人态后空翻，其爆发力超波士顿动力Atlas。这是对其动态性能的压力测试，电驱系统也在多方面超越液压方案。
离了大谱，21%的ICLR 2026审稿意见竟是AI生成的？官方回应来了
刚过去的周末，围绕ICLR 2026审稿意见中大量AI生成说法引发热议。潘格拉姆实验室统计显示，21%审稿意见完全由AI生成。ICLR 2026官方回应正讨论应对措施。
AI教母李飞飞最新长文：空间智能是AI的下一个前沿「LLM太局限了，缺乏现实根基」
AI教母李飞飞最新文章指出，以LLM为代表的AI技术虽改变世界，但缺乏现实根基。要让AI与物理世界互动，需迈向空间智能，她还提出构建世界模型框架及面临的挑战和应用前景。
数学界地震！GPT-5连破10道「百年悬案」，陶哲轩：AI革命才刚开始
两位研究人员用GPT - 5仅一个周末就解决10个埃尔德什难题，GPT - 5还在另外11个问题有显著进展。数学家陶哲轩称AI最有成效应用是处理琐碎耗时环节，重塑数学研究。
谁是最强“打工AI”？OpenAI亲自测试，结果第一不是自己
OpenAI发布新研究，提出GDPval基准衡量AI模型在有经济价值任务上的表现。Claude Opus 4.1表现最佳，GPT - 5次之。OpenAI开源优质子集并提供自动评分服务，还指出了GDPval的局限。