「多选题评测」共找到 4565 篇相关文章
红杉专访 OpenAI Codex 团队：AI Coding 的未来，应该是异步自主 Agent
红杉专访 OpenAI Codex 团队，探讨 AI Coding 未来。OpenAI 5 月推出的 Codex Agent 可并行处理多任务、独立完成编程全流程。从代码补全到任务委托，AI 编程朝解放生产力方向发展，团队分享了产品思考等内容。
1.4K Star！不要问答，要完成任务，一个合格的金融Agent应该是什么样？
过去一年AI Agent火热，但金融场景投研是长链路任务，有诸多硬约束。LangAlpha是Ginlix AI推出的开源金融Agent项目，能解决实际金融研究任务，有核心架构和关键能力，还给出使用方式、典型Demo及横向评测。
我雇了个AI，替我读微信列表里“吃灰”的公众号文章
文章评测了AI工具语鲸，它像国产版NotebookLM和AI版今日头条，能处理文本、整合资讯。它可订阅多渠道账号，有订阅、频道等实用功能，网页端解析长文出色，但处理图文有问题，其团队背景强大。
DeepSeek 新模型曝光，即将发布
据彭博社消息，年初凭 R1 模型震动全球的 DeepSeek 正开发全新 AI Agent 模型，创始人推动团队在今年四季度发布。该模型能代表用户执行多步骤操作、基于过往行为学习改进，行业也在向 Agent 软件转型。
合成数据>人工数据，绝对性能暴涨超10个点！仅需任务定义，高效微调大模型
为解决基础模型在专业领域表现不佳、依赖人工标注数据的难题，北大、MIT等机构提出「合成数据强化学习」框架。该框架仅需任务定义，能生成合成数据微调模型，在多领域基准上性能提升显著，代码已开源。
深度剖析 MCP SDK 最新版： Streamable HTTP 模式正式发布，为你实测揭秘
MCP SDK 新版本 v1.9.0 发布，新增 streamable HTTP 传输模式。本文对该模式全面剖析与实测，涵盖快速上手、核心参数、session - id 等内容，还介绍开发服务端及多应用实例模式，指出新模灵活性提升但有不足。
Meta全开源HumanCLAW：基础模型正进入具身智能的决策层
过去基础模型主要理解和描述物理世界，如今开始进入机器人控制栈。Meta等提出HumanCLAW，将高层行动与低层运动控制分开。评测显示当前模型在行动决策上存在不足，未来可从多方向推进研究。
都说记忆是Agent标配，但MemSyco发现漏算了一件事
厦门大学与吉林大学的最新研究指出，随着大模型Agent具备长期记忆，虽成为“长期协作者”，但也出现Memory-Induced Sycophancy问题。为此提出MemSyco - Bench评测基准，经实验得出多项发现，指出Agent Memory关键瓶颈转变。
GAIR Paper 105｜离线强化学习新突破——ROMI：破解对抗式模型学习「过保守、训不稳」深层困局｜ICLR 2026
本文聚焦基于模型的离线强化学习，指出RAMBO算法存在保守性难控和训练不稳问题。为此提出ROMI方法，引入鲁棒价值感知框架与隐式可微自适应加权机制，在多基准任务上超越基线算法。
Resolve AI：为什么 AI SRE 领域有望诞生下一代 Datadog
文章分析了 AI SRE 领域发展现状，指出运维侧 AI 变革慢于开发侧。介绍了 Resolve AI 产品，包括多 Agent 机制、应用场景等，还提及融资、客户情况，对比了与 Traversal 差异，探讨了 AI SRE 未来趋势。