「子任务级可验证性」共找到 2771 篇相关文章
AI证伪百年数学猜想被打假！Lean证明惊现漏洞，哥大教授破防了
OpenAI新推理模型取得十项数学进展，如证明非Sofic群存在性等。哥伦比亚大学副教授Henry Yuen对其量子并行重复定理证明既兴奋又失望，因证明有AI味且难理解。此外，Lean证伪科拉兹猜想被指利用内核漏洞，专家提醒Lean验证有局限。
10个Agent一键组队：并行智能体协作，端到端交付从24h缩减到4h！
过去写代码靠程序员手动输入，即便有Copilot等工具，仍需人主导。并行代理出现后，程序员可调用多个AI并行工作，将端到端交付时间从24h缩减到4h，思维方式也需转变，对工程师能力要求也有变化。
14 岁清华天才、普林斯顿最年轻终身教授王梦迪：AI 尚未发现新的基础科学｜附完整演讲
本文整理了普林斯顿大学终身教授王梦迪在2026外滩大会的演讲，分析当前大模型在科学发现上的核心局限，提出AI实现自主科学发现的路径，分享了团队的科研实践。
CMU&斯坦福提出Reasoning新范式！自己找“窍门”，教会LLM抽象Reasoning
大型语言模型解决复杂推理问题时效率低，论文提出创新方法，让模型利用“推理抽象”，通过RLAD两玩家强化学习框架训练，在多基准测试提升性能，还分析了其作用、局限与未来方向。
智谱 AutoClaw 深度测评：一键把电脑变成 AI Agent，是神器还是半成品？
本文深度测评智谱最新推出的桌面应用AutoClaw。它宣传能让电脑成AI Agent，引发两极评价。文章从安装、界面、功能、成本等方面测评，指出其优缺点，认为虽不完美但方向值得肯定。
OpenAI官方发布【Codex 上手指南】
OpenAI 昨晚推出 Codex 研究预览版，这是强大的远程编码智能体，能导航代码库、解答疑问等。官方还发布使用指南视频，介绍了快速上手步骤、工作方式，以及提升效能的方法。
怎么做 Long-running Agents，Cursor、Anthropic 给了两种截然不同的思路
业界对让 Agent 长时间运行、执行复杂任务无共识。最近 Cursor 和 Anthropic 分享实践，思路不同。Cursor 用多 Agent 并行执行长时任务，Anthropic 解决单个 Agent 跨工作周期的记忆连续性问题。
Salesforce 最新研究：LLM 智能体 CRM 测试成功率低至 35%，保密意识还低，企业敢用吗？
Salesforce AI 研究团队新基准测试显示，LLM 智能体在 CRM 测试中表现欠佳，单步任务成功率约 58%，多步任务降至 35%，且保密意识低，与企业需求差距大。
求码10天，我终于过上了在微信上使唤🦞的日子
腾讯鹅虾产品QClaw升级，将微信入口变为小程序，支持传文件，上线灵感广场。作者求码10天体验它，测试其在微信和电脑端操作能力，肯定便捷性，也指出执行流程不透明等问题。
ICLR 2026 | Rebuttal 是一场「带着镣铐的舞蹈」？港科 RebuttalAgent 用心智理论「读懂」审稿人
香港科技大学研究团队提出 RebuttalAgent 框架，将心智理论引入学术 Rebuttal 任务。它通过 TSR 框架拆解任务，先‘读心’再‘落笔’，能生成有说服力回复，还可作为‘思维外挂’提升小模型表现。