「子任务级可验证性」共找到 2771 篇相关文章
DeepDiver-V2来了，华为最新开源原生多智能体系统，“团战”深度研究效果惊人
华为发布DeepDiver-V2原生多智能体系统，采用“团队作战”模式，在复杂知识问答和长文报告生成上表现出色。它以Planner为中心协调多个Executor，有智能任务分解等优势，训练也有新机制，昇腾NPU集群加速。
传 GPT-5.6 明日发布：要打赢 Fable 5，光靠刷分可不行
近期GPT-5.6发布消息不断，上线或进入倒计时。它被拿来与Fable 5对比，Fable 5长任务处理出色，而GPT-5.5有短板。GPT-5.6虽跑分亮眼，但被指‘benchmaxxed’，还存在脱离现实常识问题。
开源中小模型+Skills也性能暴增！卢森堡大学探索了小模型驾驭Skills的边界
卢森堡大学等研究探索小模型驾驭Skills的边界。工业界因数据安全渴望开源小模型，智能体Skills框架让小模型性能暴增。研究拆解小模型处理复杂任务的方法，还验证不同策略有效性，发现代码专用模型优势。
先验+后验加持，大模型能否 hold 住推理预测的现实「溢出」？
多数大模型评估基准依赖固定数据集，难测真实推理实力。字节跳动等推出的 FutureX 动态评测基准，将重点移至动态预测能力。实验显示不同模型在不同任务表现有别，大模型在现实场景运用仍待优化。
ICLR 2026 | 这道题是否需要用图思考？模型来告诉你！自适应思考模式切换助力通用视觉推理提升
本文来自复旦大学和阿里巴巴未来生活实验室，已中稿 ICLR 2026。目前视觉推理方法有纯文本和用图思考两种模式，各有优劣。研究者提出 Mixture-of-Visual-Thoughts 范式及 AdaVaR 框架、AdaGRPO 算法，让模型自适应选模式，实验显示其在多任务有提升。
GPT-6突破「素数间隔」纪录！这次是加入OpenAI的北大数院07级校友
OpenAI总裁宣布进入AGI时代，GPT - 6 Astra虽仅向少量组织开放，但引发大量讨论。北大数院校友苏炜杰宣布其将素数间隔上界从246推进至186，完成Lean验证。多家机构围绕此问题研究，AI或成数学研究伙伴。
PPO-Clip的「盲点」被补齐了？快手提出熵比裁剪方法，从局部约束到全局稳定的关键一跃
快手科技语言大模型团队提出熵比裁剪（ERC）方法，应对强化学习中信任域偏离问题。该方法从全局视角稳定策略分布，在多个数学推理基准实验中提升了模型性能，还与多种方法对比验证了泛化能力。
腾讯混元世界模型1.1开源：单卡秒级重建3D世界成为现实
腾讯混元团队开源混元世界模型1.1，它是混元3D世界模型1.0升级版。新增多视图及视频输入，单卡可部署，秒级创造3D世界。有核心突破，能处理多任务，经训练策略优化，多测试表现佳。
微软CPO专访：Prompt是AI时代的PRD，产品经理的工作方式已经彻底变了
微软首席产品官 Aparna 认为，Prompt 正取代传统 PRD 成构建产品起点，NLX 将成新用户体验设计范式，还解释了 Agent 核心特征。她觉得 Agent 本质是工具，未来可让其承担更多任务，产品经理关键在于「好品味」和「编辑能力」。
专治Demo玩家：「具身灵巧操作奥林匹克」大赛三项第一，全被国内这家公司拿下
星动纪元凭借自研VLA具身智能模型，在具身界灵巧操作奥林匹克Benjie's Olympics大赛中，于翻袜子（银牌难度）、开锁和剥橘子（金牌难度）三项任务上击败技术领先者PI，拿下全球第一，展现全栈技术优势。