「基准构建」共找到 2651 篇相关文章
LLM的快速、慢速与工具增强思维模式综述
大型语言模型在不同任务中对推理策略需求差异大，策略选择不当会影响效率与可靠性。本文提出双重知识边界框架，梳理LLMs推理模式，将策略选择形式化，还分析了决策因素及策略选择机制。
我只推荐这5个！24个开源Agent/Workflow框架大比拼！
文章围绕《A Survey on Agent Workflow》展开，介绍了Agent Workflow概念、与Multi - Agent差异、核心组成及Agent角色。对24个主流框架进行对比，还给出不同场景下的框架选择建议，指出当前框架缺乏统一标准。
三重激励+全周期扶持，即梦升级这个计划，让AI创作者的成长有迹可循
即梦AI创作者成长计划全面升级，构建覆盖三阶段的扶持体系，提供多维资源。该计划通过三重激励机制助创作者增收，还打造优质社区，持续开放至2025年12月。
就是阻击OpenAI，Claude抢先数十分钟发布Claude Opus 4.1
就在Sam Altman官宣两个开源推理模型前半小时，Anthropic抢先发布新模型Claude Opus 4.1。该模型能力提升，适用多平台，定价公布，企业用户反馈良好，还提供混合推理模式，不过订阅费遭吐槽。
最新 AGI 暴论：强化学习的「GPT-3 时刻」实现，还需要 1 万年？
国外AI初创公司Mechanize三位创始人联合撰文称，RL或迎“GPT - 3时刻”，但需数千至上万年“模型处理任务所用时间”训练。还提出“复制训练”新范式，能磨炼模型能力，补足短板。
《DeepSeek掘金》背后的故事——从行业寒冬到AI春潮，用腾讯IMA知识库重构价值
本文讲述《DeepSeek掘金》成书背后的故事。从行业寒冬到AI春潮，编委们因DeepSeek迎来职业转机。面对出版市场乱象，用腾讯IMA知识库完成创作，还打造四位一体学习方案，致敬梁文锋与DeepSeek理想主义。
EMNLP 2026高分论文MathDebugger：当合成数据涌入训练集，如何为数学题做体检？
随着合成数据增多，模型需判断数学数据题目能否被信任。北大DCAI团队提出MathDebugger质检BenchMark，覆盖问答两端，评测主流LLM和PRM。还探究能否判断正误、分类错误、修复数据，证明错误标签可作监督信号。
中国AI突破「造芯方法论」！Agent军团接管芯片设计全流程
RSI成人工智能前沿方向，芯片设计因有确定性验证体系，成其率先落地赛道。NovaSilicon完成融资，探索出芯片设计智能系统，发表论文介绍构建运行方法，将重塑行业。
具身智能的第四阶段：「造系统」？
进入2026年下半年，业内形成共识：具身智能竞争从单一模型比拼转向系统工程与产业基础设施角逐。鹿明机器人推出具身智能开发与验证平台Lumos Station Lite，提出“产业具身”理念，助力具身智能落地。
微软 SkillOpt：不动模型权重，只训练那份「技能说明书」
微软研究院 Yifan Yang 等人推出 SkillOpt，思路反直觉，不动模型权重，把「技能文档」当可训练参数。它在 52 个组合中表现最优，技能可迁移，代码已开源，还支持多操作。