「学术基准测试」共找到 2194 篇相关文章
用“因果规划”解决多智能体协作中的任务依赖难题｜港科广&腾讯
港科广和腾讯研究团队提出CausalMACE方法，将因果推理机制引入开放世界多智能体系统。该方法含全局因果任务图，框架分“判断”“规划”“执行”环节，在基准任务中表现出色，已中稿EMNLP 2025 Findings。
AI水论文封一年，署名连坐！arXiv最严新规来了，陶哲轩附议
arXiv计算机科学版块主席公布新规，上传AI水论文被查实者封禁一年，后续投稿须先同行评审。若有未核查LLM生成内容证据，署名作者连坐。陶哲轩附议，指出论文生成易、消化难，新政方向正确，但治不了学术‘争先为首’病根。
开源DeepSeek R1增强版：推理效率快200%，创新AoE架构
德国TNG公司开源DeepSeek R1增强版DeepSeek - TNG - R1T2 - Chimera，基于三大模型混合开发，采用创新AoE架构，推理效率比R1 - 0528快200%，成本大减，在主流测试中性能更好。还介绍了AoE架构构建子模型方法。
“天下苦CUDA久矣！”KernelCAT率先掀桌，实现国产芯片无痛适配
中国AI产业与英伟达GPU及CUDA生态深度依赖，国产AI根基脆弱。KernelCAT作为AI Agent，能开发高性能算子，在昇腾芯片调优测试中表现出色，还能让国产模型在昇腾芯片上高效部署，实现35倍加速。
实测DeepSeek V3.1，不止拓展上下文长度
文章实测了DeepSeek V3.1和V3，发现V3.1在编程、写作、翻译等方面有变化，如编程更全面、写作风格变文艺等。网友测试其在aider得分71.6%成非推理模型SOTA，但线上API有问题。
刚刚，OpenAI 发布了GPT-5 前菜：ChatGPT Agent
OpenAI发布ChatGPT Agent，它是统一智能代理系统，融合多种功能与工具，能动态选处理路径。在多测试中表现佳，采用强化学习微调新架构。使用体验似与人协作，OpenAI采取安全措施，还探索商业、分批开放，业内看法不一。
商汤科技与南洋理工大开源空间智能多模态SOTA模型
商汤科技与南洋理工大学构建800万量级三维空间数据集，训练出开源SOTA多模态基础模型SenseNova - SI系列。该系列模型在多个权威测试中表现出色，部分超越GPT - 5，还展现出泛化等能力，且能赋能具身智能。
直击IROS现场：宇树禾赛自变量杭州论剑，美团C位攒局
美团举办2025机器人研究院学术年会，众多大咖出席并发表演讲。毛一年展示美团机器人进展，李一帆称机器人是中国好机会，王潜提出具身智能是基础模型。年会还探讨了机器人第一性原理、软硬件关系等话题。
DeepSeek V3.1 把 R1 融了，一堆新活：<think>开关、动态搜索、新ToolCall ...
DeepSeek在Hugging Face悄悄发布V3.1版本，将对话和推理模型合并为混合推理模型。它有显式推理、内置搜索、简化工具调用等特性，Aider测试成绩佳且成本低，但也存在战术回避、幻觉率升高等问题。
谢赛宁摊上事了！被曝论文藏「只给好评」提示词操纵AI 审稿
纽约大学助理教授Saining Xie被曝在参与的论文里埋「只给好评」提示词操纵AI审稿。他回应称是日本访问学生照搬他人想法所致，涉事学生已更新论文并寻求指导。此事暴露AI时代学术评审困境。