「T2R - bench」共找到 2073 篇相关文章
让视觉语言模型像o3一样动手搜索、写代码！Visual ARFT实现多模态智能体能力
上海交大等团队推出多模态智能体训练方法 Visual-ARFT，让视觉语言模型有「工具智能体」能力，还开源项目。它能自动调用工具、拆解任务，团队构建 MAT-Bench 评测，其在多任务超 GPT-4o。
Hermes 登顶 OpenRouter 之后，我才发现它最缺的那一块，被这个插件补上了
Hermes Agent 三个月登顶 OpenRouter，虽好用但记忆处理有缺陷，记忆库成大杂烩。记忆张量的 MemOS Local Plugin 2.0 可解决此问题，采用‘执行即学习’，有双层反馈机制，且资产可携带。
硅谷亲手砸掉自己饭碗？930万岗位正进入AI风险区
Tufts大学发布全美首个「AI就业风险指数」，显示未来2 - 5年，美国约930万个岗位面临被AI替代风险，硅谷等科技重镇首当其冲。高技能、知识密集型职业风险高，而低薪职业相对安全。
这事你还没注意呢，巨无霸已经完成“反超时刻”
过去 GPT 在 AI 领域一枝独秀，大家认为二三名与它有代际差距。但 Google 的 Gemini 2.5 Flash Image 发布后，其生图速度和质量提升，解决“连续性”问题，带来自然交互体验，标志 AI 进入新阶段。
印裔1号位删 Karpathy 团队90%代码、算力暴涨 50 倍！马斯克 Robotaxi 10年终上线，30 元乘车体验刷屏
当地时间6月22日，特斯拉在奥斯汀启动Robotaxi试点服务，仅受邀用户参与。其技术基于FSD 13.2.9微调，团队精简90%代码，算力强大。虽面临竞争，但马斯克看好其发展，认为2026年或现超级智能。
知识类型视角切入，全面评测图像编辑模型推理能力：所有模型在「程序性推理」方面表现不佳
东南大学等团队提出KRIS - Bench，从知识类型视角对图像编辑模型推理能力评测。它分三大知识范畴、细化多种任务，设四维度评估指标，测10款模型，发现模型程序性推理等能力不足。
All In AI的Google I/O 2025还开源了一系列模型，冲~
谷歌CEO称Google IO 2025上，数十年AI研究成果已成为现实。大会亮点多与AI相关，如Gemini 2.5系列模型表现出色，还有Veo 3等。此外，还开源了medgemma、gemma - 3n等模型。
1美元Token撬动4800美元收益！AI挑战百万美元级基准，最赚钱的Agent出现了
Humanlaya Data Lab等机构构建$OneMillion - Bench评测基准，用经济价值衡量模型。它含400道高难题目，覆盖多领域。目前最强模型能产出约50万美元价值，但离可交付专业任务还有距离。
谷歌与OpenAI同获ICPC 2025金牌！GPT-5满分夺冠，Gemini攻破人类队伍都没解出的难题
ICPC是计算机程序设计领域的“奥林匹克”。今年GPT - 5满分、Gemini 2.5 Deep Think解10题，达金牌水准，超越人类强队，标志AI在算法竞赛“超车”，证明其具备临场推理等能力。
谷歌杀疯了！Gemini CLI 重磅发布：对标 Cursor 的开源 AI 编程神器，个人完全免费
谷歌发布开源AI代理Gemini CLI，个人免费使用，用Gemini 2.5 Pro模型，有100万token上下文窗口，免费额度大。它是全能AI助手，功能强大，与VS Code无缝切换，GitHub项目已获9k+ Star。