「Claude Research」共找到 1505 篇相关文章
拿着做数学题的 PRM 来评判 Agent 调用工具，基本是行不通的！
目前评估体系多为结果导向，在工具调用上缺乏像样的PRM基准。Arizona State University和Intuit AI Research研究者推出ToolPRMBench，指出用做数学题的PRM评判Agent调用工具行不通，还介绍了其构建方法、训练范式和实验结果。
Dia 没死，人家转手就发了 1.x 版本
OpenAI 发布浏览器 Atlas 引发讨论，有人认为其有缺陷会失败，也有人觉得初创 AI 浏览器会被巨头收割。以 Dia 为例，它被收购后加快迭代，推出 Skills Gallery、Research 等功能，还新增连接 App 等特性。
AI们数不清六根手指，这事没那么简单。
作者测试发现Grok4、OpenAI o3等多模态模型都将六指图数成五指，仅Claude 4偶尔答对。研究揭示大模型看图片用记忆而非视觉，易受刻板印象影响，在工业等场景或引发严重后果。
GPT-5今夏突袭？Sam Altman 首次大谈 GPT-5、AGI
OpenAI联合创始人兼CEO Sam Altman接受40分钟深度专访，谈到GPT - 5大概率今夏发布，也会因多种原因延期，还提及o3、Deep Research等产品对实现AGI的重要性，以及OpenAI其他创新产品、项目和发展规划等。
Qwen团队发布长上下文Reasoning模型QwenLong-L1，超越o3-mini
Qwen团队发布长上下文Reasoning模型QwenLong - L1。当前大模型处理长文本有训练效率低、过程不稳定难题。QwenLong - L1用分阶段强化学习等方法，实验中超越o3 - mini、比肩Claude，还在案例表现出色。
胜率直逼人类大师！这套Agent揭开中国AI「玄学真相」
在无信息泄漏的术数题库中，Claude、GPT等主流模型准确率低，而Tianfu Agent系统将准确率提至50%，逼近人类Top20选手。它采用多Sub - Agent协作等策略，还在工具管理、规则使用等方面有创新。
14.8K Star！这个开源 Skill，一句话就能做出大厂级设计！
Anthropic 发布的 Claude Design 虽能在对话框生成网页，但需手动操作。有人据此开发了开源项目 Huashu Design，可在 agent 里打一句话，3 到 30 分钟就能拿到能交付的设计，还介绍了其功能、核心规则等。
Cursor新模型，你怎么还在套Kimi？马斯克你怎么还吆喝上了？？
Cursor模型更新至Composer 2.5，测评成绩亮眼，性能接近Claude Opus 4.7，价格仅为其1/10。该模型以Kimi打底，在训练栈上做了改进。此外，Cursor与马斯克达成算力合作，走上自研之路。
1/10成本、Opus 4.7级表现，Cursor甩出了性价比之王Composer 2.5
Cursor推出新模型Composer 2.5，成本仅为Claude Opus 4.7的1/10，性能几乎追平。它更智能，擅长处理长时任务，遵循复杂指令更可靠。未来一周使用额度翻倍，还宣布与SpaceXAI合作训练新模型。
龙虾开始自己拍电影了：我在 LibTV 里看着它从一句话做到成片
作者试用 AI 视频产品 LibTV，仅给 Claude Code 发一句话“「黑神话哪吒」视频制作”，约 10 分钟就得到视频初稿。LibTV 能搭好 0 到 60 的地基，留下可继续创作的画布，成本低还能多尝试，最后仍需人把关。