搜索：终端执行任务

「终端执行任务」共找到 2402 篇相关文章

智能体自己出现问题自己找！首次提出“自动化失败归因”课题 | ICML2025 Spotlight

LLM Multi - Agent系统失败诊断难，阻碍迭代优化。宾夕法尼亚州立大学等机构研究者首次提出“自动化失败归因”课题，构建Who&When数据集，开发评估多种归因方法，实验揭示当前方法不足。

北大与伯克利团队推出IDA - Bench新基准，模拟真实数据分析场景，解决现有基准无法评估大模型在动态交互中可靠性的问题。测试显示，顶尖大模型成功率最高仅40%，不同模型还暴露多种问题。

香港科技大学联合快手可灵团队推出 EvoSearch 方法，支持图像和视频生成。该方法无需训练和梯度更新，能提升模型生成质量，展现了 test - time scaling 补充 training - time scaling 的潜力，目前论文和代码已开源。

文章指出企业AI进入深水区后，真正的竞争是将AI变成企业自己的智能引擎。衔远科技创始人周伯文提出泛化基础上的深度专业化是企业竞争力来源。衔远发布EnterpriseClawBench，揭示企业需私有化评估和可持续进化能力。

AI母婴智能硬件品牌珂迪Coddie完成天使轮融资，融资金额数千万元。其创始人何鋡威是95后，有丰富科技企业任职经验。他认为AI硬件要直击新手父母痛点，前期深耕欧美市场，未来打造智能产品生态。

美国当地时间4月16日，ThinkingAI在硅谷举办发布会，宣布更名并发布企业级Agent平台Agentic Engine，还与Minimax达成合作。该平台有行动闭环、全域感知、私有化部署三项核心能力，能让系统替企业完成业务全流程。

Claude Code 推出 `/ultraplan` 功能，在写代码前提供可视化方案，可编辑、审批。还发布了 Claude for Word 集成微软 Office 套件。Anthropic 迭代快或因内部使用更强的 Mythos 模型。

多镜头视频生成要求模型处理不同镜头间稳定信息和变化信息，现有方法有局限。Meta与哥本哈根大学研究者提出OneStory，建立跨镜头记忆机制，设计关键模块，实验表现好，为视频生成打开新可能。

NeurIPS官方文件显示，因遵守美国制裁及贸易限制规定，禁止接收受制裁机构投稿。经查询，华为等873家国内实体在受制裁名单中，此消息在国内AI学术圈引发热议。

文章指出多模态大模型在基准测试分数高，在实际业务流程却像‘职场巨婴’。研究团队构建Trainee - Bench测试顶尖模型，结果显示模型离‘独立上岗’远，凸显提升Agent自主学习性的重要性。