「测试任务」共找到 3332 篇相关文章
Prompt的尽头，居然是MBTI。
文章介绍了用MBTI人格优化大模型对话的技巧。论文《心理学增强AI智能体》证明给AI一个MBTI人格很有用，不同人格AI处理任务表现各异，还能组建性格互补的AI团队完成不同工作。
谷歌开源Gemma 3 270M，性能超越Qwen 2.5同级模型
本周四，谷歌发布 Gemma 3 270M 模型，它参数小、功能强，具备指令跟踪等能力。在 IFEval 测试中表现出色，节能且适合多场景，谷歌还提供使用指南和试用途径，Gemma 系列下载量已破两亿。
全球最强开源「定理证明器」出世！十位华人核心，8B暴击671B DeepSeek
八大顶尖机构推出开源定理证明器Goedel - Prover - V2，有32B和8B两版本。它在多个基准测试击败671B的DeepSeek - Prover，采用创新技术，以少算力刷爆SOTA，十位华人是核心贡献者。
不只是聊天：Gemini Agent Mode 深度集成 Android Studio，可直接修改项目
谷歌为 Android Studio 推出集成 Gemini 的 Agent Mode，在最新预览版上线。它以整个项目为上下文，能直接修改项目、执行多步骤任务，可通过 MCP 与外部工具交互，但预览版有不足，谷歌正解决。
训练大模型玩《反恐精英》：自带外挂一枪爆头，堪比职业玩家
动视暴雪、斯坦福大学和英伟达等研究人员基于职业玩家游戏数据和Transformer架构，开发游戏大模型MLMOVE。在《反恐精英：全球攻势》测试中，它表现出色，性能超现有机器人，还具提前预判移动等创新。
CVPR 2025 Highlight｜北大联手智元发布首个基于说明书的家电操作评测基准
北大联合智元团队提出全新家电操作评测基准 CheckManual，被 CVPR 2025 接收并评为 Highlight。它有拟真说明书与多样资产、契合实际的评测任务、首个操作规划模型 ManualPlan 等优势，还做了相关实验。
重新定义Skill开发：保姆级教程&一站式开发助手发布
文章围绕Skill开发展开，介绍其定义、安装使用、创建、管理等内容，指出Skill替代重复任务，无法替代体验和判断。还分析Skill生态早期痛点，如跨平台一致性等，并推荐一站式Skill开发助手skill - dev - aio。
Meta被骂跑偏后摊牌！Alex Wang回应新团队目标：个人Agent全球化部署，Manus已在应用上开路
Meta超级人工智能实验室（MSL）负责人Alexandr Wang发声，称其任务是推动超级智能技术突破并做成产品推向数十亿用户，要把个人Agent全球化部署，还谈到与研究和产品平衡、Meta的AI思路等问题。
Agent RL 总是训练崩？UCLA 这篇论文给了救命稻草！
这篇解读UCLA和威斯康星大学麦迪逊分校论文《ARLArena: A Unified Framework for Stable Agentic Reinforcement Learning》的文章指出，Agent RL训练易崩溃，原因在于多轮交互任务带来奖励稀疏等问题。论文建“竞技场”，提出SAMPO算法提升稳定性，还给出从业者建议。
Cursor：AI编程「第三时代」来了
近日，Cursor CEO Michael Truell 称 AI 编程迈入「第三时代」，特征是 Agent 能在少人工干预下完成大规模任务。Cursor 核心转变，内部超 1/3 代码提交由云端智能体创建，团队预计多数开发工作将由其完成。