「任务性能」共找到 3542 篇相关文章
突破传统检索瓶颈！阿里通义实验室发布 WebDancer，开启多步推理智能体新范式!
在信息爆炸时代，传统检索技术缺乏动态决策能力，难以满足多步推理需求。阿里通义实验室发布的 WebDancer 基于 ReAct 框架，通过四阶段构建，在测试中表现优异，未来规划拓展工具生态、突破任务边界等。
字节Seed新方法！开源8B代码模型：自己筛数据训练自己，同量级SoTA，还能超越百亿级对手
传统code大模型依赖人工筛选数据，成本高、效率低。而Seed - Coder团队让LLM自己筛选数据训练自己，打造8B参数轻量级开源代码模型，性能超百亿级对手，不过也存在通用和数学能力短板。
DeepSeek 峰谷 Token 的开山鼻祖，原来是阿里这个桌面 Agent
文章介绍阿里桌面 Agent 工具 QoderWork，它是最早落地「峰谷 Token」的产品，晚上 Qwen3.7 - Max 模型 2 折。该工具功能丰富，能完成复杂任务，还把配置与使用分开，降低使用门槛。
Anthropic发布AI原生创业秘籍：手把手教你怎么烧Token创业
Anthropic发布36页AI原生初创企业操作手册，将创业精准拆解为四阶段，剖析如何用Claude Code构建商业护城河。介绍各阶段任务、退出条件、常遇问题及应对策略，强调创始人判断能力重要性。
阿里SkillClaw：让 Agent 技能在真实使用中集体进化
当前LLM Agent依赖可复用技能完成任务，但技能部署后静态不变，改进仅停留在当前会话。阿里SkillClaw提出中心化进化架构，将多用户交互作为技能改进信号，通过Agentic Evolver更新技能，经夜间验证后部署。
斯坦福2026 AI指数报告！中美差距已实质性抹平
斯坦福HAI发布2026年度人工智能指数报告，显示中美在顶级大模型性能上差距已实质性抹平。报告还呈现了AI能力进化、算力格局、智能边界、安全监管、人才流动等多方面情况。
破防了！全球顶尖AI惨败，人类最后防线竟是「重启试试」？
GSMA联合权威组织发起全球电信AI故障排查挑战赛，吸引超1000支队伍。赛事依托权威评估框架，设丰厚奖励，分多个赛道，还将开展智能体任务，预示电信运营模式重构。
人大高瓴赵鑫团队新作：先拆掉 RLVR，再重建推理模型训练
人大高瓴赵鑫团队围绕RLVR框架做系统实验，完成论文《A3PO: Adaptive Asymmetric Advantage Shaping for Reasoning Models》，提出A3PO方法。该方法将训练重点转向关键决策点，让推理模型学习更可控。
GPT-5.2连肝7天，300万行代码造出Chrome级浏览器
Cursor的CEO让GPT - 5.2连续运行一周，产出300万行代码，从零构建Chrome级浏览器。还介绍不同模型长任务表现、多智能体协作架构，指出这将颠覆软件开发经济学。
GPT-5-Thinking新训练方法公开：让AI学会忏悔
OpenAI提出忏悔训练Confessions，让ChatGPT自己“坦白从宽”。在GPT - 5 - Thinking上实验有效，模型犯错后多会坦白，且更诚实，不影响原任务表现。还介绍了训练方法、实验结果及局限性。