搜索：推理能力评测

「推理能力评测」共找到 4875 篇相关文章

Hybrid Model Support：阿里云 Tair 联合 SGLang对 Mamba-Transformer 等混合架构模型的支持方案

文章介绍阿里云 Tair KVCache 团队与SGLang社区在推理框架上支持混合架构模型的工程化实践。分析混合架构崛起原因、面临挑战，阐述内存管理、关键技术优化方案，验证性能，并指出未来演进方向。

浙大等机构研究人员提出GUI - RCPO，这是自我监督强化学习方法，能让模型在无标注数据上提升GUI grounding能力。其通过迁移思想，利用区域一致性自我提升，实验表明该方法有效且有泛化能力。

大型语言模型推动智能体能力交互竞赛正酣，中国 Z.ai 推出 GLM - 4.5 系列开源权重模型，在推理、编程等基准测试中表现出色，还介绍了其工作原理、研究和测试结果等。

前几天DeepSeek R1悄悄更新，作者测评发现，起初用复杂提示词，它比Claude4有明显差距；换成一句话提示词，生成效果质的飞跃，代码能力大幅提升接近Claude4，写作小提升，数学能力提升不大。

Meta和Manus官网宣布，Meta收购Manus以提升通用Agent能力。此次收购费用数十亿，是Meta第三大收购案。Manus产品以“通用Agent”为核心叙事，今年先爆火、融资，后迁总部，最终被收购。

互联网大佬爱讲“AI平权”，却没说AI变强、获知识门槛降低时，人和人差距反而拉大。决定差距的关键是提问力等三个能力，真正的提问力是对问题“形式化定义”的能力。

多模态大模型多停留在整体场景级理解，现实任务需细粒度、对象级理解。浙江大学等联合提出PixelRefer框架，可实现精细视觉指代与推理，在多项任务表现领先，轻量版性能优，还开源两类数据集。

智能家居爆发期，诸多硬件品牌借涂鸦能力发展。如今涂鸦发布AI生活助手“Hey Tuya”，它依托自研架构补齐Agent进入物理世界的关键能力，让涂鸦从幕后走向台前，有望构建家庭生活新基础。

AI发展中普通人使用门槛抬高，供需错配。5月19日袋袋（Profy）上线，专家说出经验就能封装成“数字专家”。它有四层能力和独特架构设计，让判断力独立流通，赋能普通用户。

本文是悟空Agent泛化能力系列先导篇，以OpenClaw项目为例，介绍其通过不同泛化策略发现三个新漏洞，还总结实践原则。强调研究泛化能力对防御漏洞的重要性，4月底悟空Agent将开放试用。