「人类挑战」共找到 2184 篇相关文章
AI能否独立开展科研？ASI-Bench为科学自主性建立评测标尺
ASI-Bench是衡量AI系统科学自主性的基准测试，由多机构联合开发。它能测试AI通用智能、创新性和执行力，通过信息梯度设计，让模型在不同指导量下完成科研任务，结果显示当前AI离自主科研有明显距离。
UCSD谢澎涛创业：用AI搞科研，4小时交付顶刊水平成果，已获数百万美金融资
谢澎涛团队推出面向AI for Science的AIBuildAI Science Agent，在NatureBench评测中排名第一，超多数通用编程智能体。该智能体可独立完成模型研发，效率大幅提升，还探讨了其能力边界、应用及对行业的影响。
GPT-5.4 仅 11.36%！当大规模工具生态变成迷宫，LLM Agent 还能完成长程规划吗？
PlanBench-XL 来自 UIUC 团队，将 LLM Agent 放入零售 API 世界，评测其长程规划能力。它考虑真实工具环境挑战，含 327 个任务等，发现多数模型规划难、恢复差等问题，并给出改进启示。
用户太蠢不配用 Fable？被Anthropic的回应气笑了：最贵的模型，最憋屈的体验
Anthropic推出Fable 5，有限时优惠但价格贵，新回退机制引争议，很多请求被降级。其曾强调安全，却用隐蔽方式编码用户信息，引发开发者不满，与OpenAI竞争也面临挑战。
别再手写 Skill 了！微软最新研究：像神经网络一样训练 Skill
微软研究提出 SkillOpt 方法，把 Skill 文档当「权重」训练，在 52 个测试组合中全部最优或并列最优，平均提升 23.5 分，碾压人类手写。该方法跨模型、环境有效，已开源，使用方便。
ACL 2026｜证据摊开看，场景图画清：让流式视频大模型拿捏「何时开口」
随着多模态和大语言模型发展，人类与 AI 交互走向共生。现有视频大模型难把握响应时机，西北工业大学等团队在 ACL 2026 提出 Response - G1 框架，实验显示其提升了模型性能。
Mintlify 做的开发者文档，如何成为 Coding Agent 生产和消费的第一波内容？
Mintlify 是 AI-native 开发者文档工具，抓住“文档读者从人类扩展到 agent”的变化，提供美观文档站和 agent 友好功能。今年 4 月完成 4500 万美元 B 轮融资，但面临竞争，优势或被稀释。
Anthropic发布AI原生创业秘籍：手把手教你怎么烧Token创业
Anthropic发布36页AI原生初创企业操作手册，将创业精准拆解为四阶段，剖析如何用Claude Code构建商业护城河。介绍各阶段任务、退出条件、常遇问题及应对策略，强调创始人判断能力重要性。
信通院&清华提出FedRE：用「纠缠」搞定联邦学习三难困境 | CVPR 26
联邦学习中兼顾模型性能、数据隐私和通信开销是挑战，尤其在模型异构场景。信通院和清华联合团队提出FedRE框架，能适配异构与同构场景，保证性能同时保护隐私、降低开销。
Codex 装进 iPhone 后，开发者每天多 3 小时生产力时段
5月14日，OpenAI将Codex塞进ChatGPT手机App，所有套餐包括免费版都可解锁。Codex手机版定位是AI代理遥控器，解决远程开发安全顾虑，解开“人类必须坐在电脑前”束缚，还催生新工作流。