「代码执行模拟」共找到 2307 篇相关文章
2025年了，AI还看不懂时钟！90%人都能答对，顶尖AI全军覆没
AI基准ClockBench测试AI读模拟时钟能力，人类平均准确率89.1%，11个主流大模型最好仅13.3%。研究展示了LLM局限性，分析了可能原因，还对比了不同模型表现及在各类问题上的差异。
首个3D动作游戏专用VLA模型，打黑神话&只狼超越人类玩家 | ICCV 2025
淘天集团未来生活实验室团队提出首个3D动作游戏专用VLA模型CombatVLA，已被ICCV 2025接收。它能处理视觉输入输出动作指令，在战斗理解准确率和执行速度上表现优异，还构建了评测基准等。
月费200刀的AI浏览器，Perplexity Comet的真实体验如何？
以AI搜索引擎著称的Perplexity推出Comet浏览器，自称「AI Agent原生」。它试图解决「理解」和「运用」信息的难题，通过Comet助手整合标签页，还具备代理执行能力。不过其发布策略和用户习惯问题带来挑战。
0day漏洞量产？AI Agent“生产线”曝光
本文探讨AI Agent如何通过多智能体协作系统打造0day漏洞“生产线”，实现自动化漏洞检测。经测试和实战验证，Agent在复杂代码和大型项目中表现超传统工具，提升了漏洞识别效率与准确性。
AI-Native 的 Infra 演化路线：L0 到 L5
文章来自 Agent Infra 创业者 Hang Huang，以其产品开发实践经验，分享 Agent Infra 机会。指出 AI 编程生产力跃迁，从写代码到掌控软件全生命周期是趋势，还提出 L0 - L5 模型描述 AI-Native Infra 演化路径。
从 Serverless 到 Agent：Cube 系统的一些设计思考
本文从 Serverless 面临的挑战出发，介绍 Cube 系统设计，包括分布式调度、资源池化等。还探讨其在 Agent 场景应用，如极速代码执行、高并发 Agentic RL 等，最后展望向行业开源，助力 Agent Infra 发展。
迈向无缝共生：大模型GUI Agent的「屏幕图灵测试」与拟人化之路
多模态大模型使GUI Agent能模拟用户执行任务，但也引发与平台的利益冲突。论文提出“屏幕图灵测试”和AHB基准评估拟人化能力，探讨拟人化策略及权衡，为Agent在数字世界共生提供指南。
GPT-5.4发布，最适合OpenClaw的天选模型登场了。
GPT-5.4发布，作者认为它是OpenClaw天选模型。此前Claude贵且受限，GPT-5.3-Codex世界知识差。GPT-5.4代码能力强、世界知识优，还具多特性，如大上下文窗口，目前ChatGPT已上线。
DeepSeek-R1推理智能从哪儿来？谷歌新研究：模型内心多个角色吵翻了
过去两年大模型推理能力跃迁，谷歌等机构研究指出，推理能力提升源于模型推理时隐式模拟类多智能体交互结构“思维社会”，还提出利用“群体智慧”新方向，并介绍了研究方法、实验结果等。
Anthropic官宣PTC突破，中国开发者一年前就实现了
2025年11月24日，Anthropic发布PTC特性，让Claude通过代码编排工具执行。但国产minion框架早有类似架构，不仅将此作为基础架构，还支持Python生态、状态管理等功能，在实际应用中更高效灵活。