「任务清单」共找到 2116 篇相关文章
AI真能用好科研软件吗？清华团队推出OSWorld-Science，智能体迎接硬核大考
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。
91% ≈ 0%？谷歌最新研究，戳破工程 Agent 的高正确率泡沫
Google 与 Mercor 联合发布物理工程评测 PLE。测试显示 Claude 模型虽能满足 91% 的单项约束，但因各项条件关联，仅 41.3% 的方案满足全部硬性安全要求。
不需要恶意指令，也能污染 Agent Skill：SkillPoison 的三阶段渐进式攻击
新研究提出 SkillPoison 攻击，无需直接注入恶意指令，仅通过筛选成功历史经验并伪造归因，即可诱导 Agent 将局部操作过度归纳为错误的长效技能规则。
TRAE给开发者配了个人助理，终于不用挨个催进度了...
AI 代码工具 TRAE 上线开发者个人助理「TRAE宝」，用户只需对接一个主助理，系统便能自动拆解需求并调度多个 Agent 并行执行，且支持跨项目记忆与移动端同步。
苹果国行AI抢先一手实测：华米OV玩剩下的功能，苹果能做出什么不同？
国行苹果智能已在测试版上线，正式版将于 12 月推送。系统采用端侧原生加阿里千问的混合方案，日常照片消除与录音转写由端侧处理，复杂问答与创作需征求用户同意后调用千问。
Claude Opus 5.5 浪费 token？这 4 步拦住它
本文分享网友总结的实用优化方法，针对Claude Opus 5.5浪费token的问题，给出4个可落地步骤，帮助降低大模型调用成本
Jev 爆了！browser-use 连夜跟进，1 周狂揽 2w star！
本文介绍browser-use推出的开源高速浏览器智能体jev-ultrafast，详解其核心提速原理、功能特性，给出安装教程，提示项目不足，推荐开发者参考。
Anthropic推演2030年美国经济：AI时代，钱流向了有钱人
本文解读Anthropic最新AI影响经济研究报告，报告从任务层面建模，设置三种AI发展情景，推演2030年美国GDP、就业与收入分配的变化。
AI 数据平台，要补的恰恰是“模型不知道的事”
本文针对企业落地AI Agent遇到的知识口径不一、推理慢、风险不可控等痛点，介绍华为AI数据平台三大升级路线，结合案例说明方案价值。
刚刚微软开源视频录制技能skill-recorder
微软开源视频录制技能 Skill Recorder，能将用户完成任务的过程转化为 AI 智能体可重复执行的技能。它捕获屏幕工作会话，用 GitHub Copilot CLI 重构操作，生成可复用内容，支持多平台。