「复杂任务」共找到 2521 篇相关文章
刚刚，首个能在机器人上本地运行的具身Gemini来了
谷歌DeepMind推出Gemini Robotics On-Device，这是首个可部署在机器人上的VLA模型，无需联网，能让机器人适应新任务和环境。还将发布SDK助开发者评估。此外，谷歌下调Gemini免费额度，推出图像生成模型Imagen 4和Imagen 4 Ultra。
实证：现在的LLM根本不会Reasoning！
论文指出当前大推理模型（LRM）如DeepSeek - R1等可能只是在表演“思考秀”，遇到复杂问题就崩溃。研究者用4个可控谜题测试，有三大颠覆发现，还揭示思考过程的荒诞现象，直指行业痛点并给出发展方向。
文库 GenFlow 2.0，如何把 AI Agent 卷成“专家级”？
百度启动文库与网盘AI重构工程，8月18日GenFlow2.0发布。它生成的报告格式专业，能让用户实时干预任务运行，HTML在线报告交付体验好。其靠100多个专家Agent工作，构建了清晰产品层次和分层策略。
Devin 教你做 Agent：把 AI 当做需要指导的初级开发者
Cognition团队发布编程智能体实践指南，以把AI当初级开发者的心智模型为基础。介绍与智能体沟通原则及融入日常工作流的场景，还分初、中、高级给出任务处理方法，也提及局限性、使用建议和安全管理等内容。
从工具到生命形式：OpenClaw 引发的 Agent 再思考
InfoQ《极客有约》X QCon 直播邀业内专家探讨 OpenClaw 落地难点。专家认为，这波 Agent 热潮验证了复杂工作可被系统承接，也指出 OpenClaw 虽非生产级产品，但推动了全民 Agent 浪潮，同时探讨了模型与编排层结合、记忆系统等问题。
感谢 OpenClaw，国产大模型终于知道怎么挣钱了
OpenClaw作为免费开源项目，重新定义Token消耗量级，催生‘超级Token耗散场景’，倒逼模型厂商推出‘Token Plan’。多家国产模型厂商跟进推出‘龙虾套餐’，云平台也下场布局。但OpenClaw面临配置门槛、任务稳定性和必用场景等问题。
全球首个科研LLM竞技场上线！23款顶尖模型火拼：o3夺冠，DeepSeek第四
Ai2耶鲁NYU联合推出科研版「Chatbot Arena」——SciArena，23款顶尖大模型比拼科研任务，OpenAI o3夺冠，DeepSeek第四。该平台解决通用基准测试在科研场景‘失效’问题，但其自动评估系统猜科研人偏好远未及格。
千问App敞开玩，做红楼梦人物图、旅行海报、绘画书法无敌，顶级AI生图模型加持
作者体验阿里发布的Qwen - Image - 2.0模型后分享千问App玩法。可生成趣味信息图，如表情包、旅游攻略图、美食攻略图等；能做复杂文字梗图；还能创作中华文化传播图，如红楼梦解读图、手办图等，该模型懂中文意境。
GPT-5得分不到0.4！法律+金融最大规模基准：1.9万+专家评估准则
新推出的PRBench基准可测AI在金融和法律领域表现。它有19356条专家评估准则，是该领域最大公开基准。顶尖大模型在困难子集得分低，还独创经济路径分析维度，约30%任务为多轮对话，揭示了AI在专业领域的不足。
纯血国产！4B模型越级打怪，杀入万亿赛道
9月1日，Hugging Face上线星火X2.5-4B和1.7B开源端侧模型，在多指标测试中表现优异，实现“越级打怪”。该模型基于全国产算力平台训练，在断网笔记本上实测效果惊艳，使用了两项技术提升能力，适配性强。