「GSM8K-V」共找到 1562 篇相关文章
必须得让AI明白，有些不该碰的东西别碰（doge）
近期类o3模型在视觉推理任务表现优异，但陷入‘盲目用工具’状态。港中文MMLab等团队提出AdaTooler-V模型，具备自适应工具使用能力，还引入指标、算法，构建数据集，在多基准测评中优势明显。
达摩院推出多智能体框架ReasonMed，打造医学推理数据生成新范式
在人工智能领域，推理语言模型在医学场景应用存在挑战，达摩院推出多智能体框架ReasonMed，提出医学推理数据生成新范式，开源百万级高质量数据集ReasonMed370K，验证了‘小模型 + 高质量数据’的潜力。
SGLang 优化Triton FusedMoE 的一个新技巧
蚂蚁在SGLang中提交优化PR，针对Fused Triton MoE的Down Projection kernel加入TMA优化，在DeepSeek - R1模型的H200 TP8 prefill场景下性能提升显著，还详细分析了优化背景、思路、实现细节及测试结果。
“美国大豆包”Gemini翻身：输出速度碾压同行、智能水平重回第一梯队
过去 Gemini 被吐槽，如今 Google 推出 Gemini 3.8 Flash，六周内第三款 Flash、四个月内第四次更新。新模型成绩佳，输出快，成本低，智能体评测进步大，从经济型选项成生产主力，但实际表现待检验。
GitHub 上 6.4 万标星的 Hermes Agent，比 OpenClaw 响应快太多！还会成长进化！
AI Agent领域热闹，OpenClaw有响应慢等问题。Nous Research今年2月开源的Hermes Agent爆火，获64.8K Star。它是自学习型AI智能体，有六大核心特性，支持换模型，更新快，还支持一键安装。
实测Perplexity Pro平替模型，免费开源仅4B
一款仅4B大小的开源模型Jan-v1，声称能平替Perplexity Pro，且完全免费、支持本地部署。实测发现，它在检索增强生成、上下文深度分析等能力上表现不错，入门级显卡即可带动本地部署。
Claude Opus 5 发布：Fable 5 一半的价格，更强的编码能力
Anthropic 发布 Claude Opus 5，定价与 Opus 4.8 相同，价格是 Fable 5 的一半。它在编码、知识工作和推理上表现出色，虽有不足，如速度慢、幻觉率较高，但提供多种 effort 等级，成本低，安全对齐性好。
2025 AI Agent全景报告：50+权威数据，85%企业已上车、发展趋势预测！
index.dev发布AI Agent调研报告，盘点50多个关键数据，涵盖应用趋势、场景、工作流等。截至2025年，85%组织集成AI Agent，市场价值73.8亿美元，预计2032年达1036亿美元。报告还分析技术栈各层应用及市场趋势。
曝梁文锋不满内部会议泄露，DeepSeek或暂停新融资；卡帕西入职Anthropic仅两月疑离职；日媒拆解宇树G1后认输：短期内赶不上中国｜AI周报
这篇AI周报涵盖多则热点，如DeepSeek因会议纪要外泄或暂停融资；AI大神Karpathy入职Anthropic两月引离职传闻；美国指控K3蒸馏大模型，黄仁勋等支持开源AI；还有企业人事变动、模型发布及应用等消息。
困住医疗AI的死循环，终于有国产玩家跑通了
文章指出医疗AI行业因数据、模型、场景闭环断裂陷入困境，整体渗透率低。讯飞医疗的星火医疗大模型V3.5评测和临床落地表现出色，其构建自强化循环体系，跑通死循环，或使行业马太效应渐显。