「长时程任务」共找到 2435 篇相关文章
走出 MMLU 的高分幻觉：AI Agent 的「斯坦利时刻」与职场生存法则
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。
“每给 Claude Code 提一个请求，我就点上一根烟，放松下”
OpenFGA 核心维护者 Siddhant Khare 写博客吐槽使用 AI 编程的‘疲惫感’，指出 AI 带来职业疲惫却被行业回避，还分析了原因，如任务量膨胀、角色转变等，并给出应对建议，引发工程师共鸣。
从需求分析到代码生成，LLM都能干点啥？一文读懂291个软工Benchmark！
大语言模型重塑软件工程各环节，但缺乏评估其在该领域表现的系统工具。浙江大学等机构团队首次对291个软件工程Benchmark系统综述，分析现状、痛点并给出改进方向。
高通将以24亿美元收购Alphawave Semi，增强AI数据中心份额
高通官网宣布以24亿美元收购Alphawave Semi全部已发行及待发行普通股票，旨在加速其数据中心领域扩张。Alphawave技术能实现高速数据传输，与高通处理器互补，双方将携手推动AI计算等领域发展。
通义实验室最新成果WebDancer：开启自主智能Deep Research的新时代
通义实验室推出 WebDancer，解决自主信息检索智能体构建难题。它创新合成训练数据，采用两阶段训练策略应对开放网络训练挑战，在多个基准测试中表现卓越，未来还将拓展能力。
首个多人对话视频生成框架MultiTalk，角色有表情还能互动
现有音频驱动人体动画方法多聚焦单人，处理多音频流能力弱、指令跟随有局限。中山大学提出多人对话视频生成新框架MultiTalk，介绍了技术原理，演示效果显示其指令跟随能力强、伪影少。
WorkSwarm：引领办公智能体新范式，让AI从一个助手，进化为一支与你并肩作战的团队
办公智能体成热门赛道，openJiuwen推出WorkSwarm蜂群办公智能体，将多智能体协作引入个人办公场景。它有单Agent和集群两种模式，能自主组队、共享成果等，还支持多平台，openJiuwen社区也在招募开发者。
Claude Code惊人身世曝光！竟脱胎于安全对齐，Boris：才完成1%
Claude Code起源于Anthropic内部安全对齐项目，其发展历经波折。从2021年早期尝试，到2025年正式发布，期间突破重重技术难题。虽已改变硅谷运转方式，但核心开发者Boris称只完成1%。
刚刚，Anthropic联合创始人在梵蒂冈讲了什么？
教皇发布人工智能通谕，Anthropic联合创始人Chris Olah受邀发言。他指出实验室激励与正确行事有冲突，描述了AI模型特点，还提出教会应发声的三个问题，引发社区不同反应。
新鲜出炉！Claude Code之父亲授 Opus 4.7 最佳实践
Anthropic发布的Opus 4.7被定位为最强模型，Claude Code创始人Boris Cherny分享使用最佳实践，介绍4.7与4.6区别、构建交互编程会话方法、effort等级设置等内容。