「任务性能」共找到 3542 篇相关文章
Agent RL 总是训练崩？UCLA 这篇论文给了救命稻草！
这篇解读UCLA和威斯康星大学麦迪逊分校论文《ARLArena: A Unified Framework for Stable Agentic Reinforcement Learning》的文章指出，Agent RL训练易崩溃，原因在于多轮交互任务带来奖励稀疏等问题。论文建“竞技场”，提出SAMPO算法提升稳定性，还给出从业者建议。
Cursor：AI编程「第三时代」来了
近日，Cursor CEO Michael Truell 称 AI 编程迈入「第三时代」，特征是 Agent 能在少人工干预下完成大规模任务。Cursor 核心转变，内部超 1/3 代码提交由云端智能体创建，团队预计多数开发工作将由其完成。
Mistral 3开源，一举超越DeepSeek与K2？
近期，Mistral AI开源Mistral 3，含三款小型稠密模型及Mistral Large 3。Benchmark对比中，它领先国内DeepSeek - 3.1、Kimi - K2。Mistral Large 3是强开源权重模型，Ministral 3适合边缘端，成本性能比低。
今日硅谷科技头条是一个游戏机
V社连发VR头显Steam Frame、游戏主机Steam Machine和新款手柄Steam Controller三款游戏硬件，预计2026年初推出。Steam Frame亮点多，Steam Machine性能强，Steam Controller适合PC玩家，V社构建起软硬件+内容闭环生态。
Karpathy戳破强化学习神话，首提AI复盘式进化！暴力试错将死
AI大神Karpathy发文指出强化学习（RL）有局限，效率随任务时长下降，与人类学习机制差异大。他提出复盘式进化Scaling范式，虽有很多细节待完善，但认为还有更多S型增长曲线待发现。
美团提出首个语音交互GUI智能体，端到端语音训练能力优于传统文本训练
美团和浙大联合推出GUIRoboTron - Speech，这是首个能利用语音指令和屏幕截图端到端决策的自主GUI智能体。它解决了文本依赖问题，团队经多步骤研发，其性能评估表现佳，还给出招聘信息。
DeepSeek-V4-Flash正式版发布并开源，全面超越V4-Pro预览版
DeepSeek-V4-Flash正式版发布并开源，这一304B轻量级模型经后训练，性能远超V4-Pro预览版，与Claude Opus-4.8接近。模型权重开源后上Huggingface趋势榜第二，性价比高，实测表现佳。
苹果推出 Ferret-UI Lite：一款用于查看和控制 UI 的端侧 AI 模型
苹果推出 30 亿参数的 Ferret-UI Lite 端侧 AI 模型，可解析屏幕图像、与应用交互。现有 GUI 智能体方法存在建模复杂等问题，Ferret-UI Lite 性能有竞争力，训练采用两阶段流程，还给出应用建议。
Claude 5史诗级泄露，史上最强编程模型评测炸裂！核心秘密曝光
Anthropic的Claude Sonnet 5即将发布，已存在于谷歌基础设施中，性能领先谷歌‘Snow Bunny’一代。它价格比Opus 4.5便宜50%，有100万token上下文窗口，SWE - Bench成绩超80.9%，还有自动开发团队模型。
与DeepSeek-OCR不谋而合，NeurIPS论文提出让LLM像人一样读长文本
NeurIPS 2025 论文提出 VIST 框架，为大语言模型长文本推理提供视觉方案，与 DeepSeek - OCR 理念不谋而合。它模仿人类阅读，有快 - 慢路径协作，在多任务表现优，还让模型‘用眼看文字’，优势明显。