「推理严谨性」共找到 2492 篇相关文章
让LLM互相“审稿”：简单的LLM Collaboration/Ensemble方法实现7%性能提升
文章提出LLM-PeerReview方法，受学术同行评审启发，含评分、推理、选择模块。采用‘翻转三元评分技术’减少偏差，实验显示该方法超单一LLM及LLM Ensemble基线，性能提升显著。
警告：你的Agent可能无法"解决"真实世界的视觉问题
文章提出 AgentVista 评测基准，含 209 道任务，横跨 7 大领域 25 个子方向。评测 14 个主流模型，最强的 Gemini - 3 - Pro 准确率仅 27.27%，揭示多模态 Agent 在视觉理解、工具调用等方面挑战大。
情人节暴击！下跪求婚的可以是机器人了
情人节，Unitree G1 人形机器人解锁求婚技能。背后是清华叉院等联合团队的 HuMI 框架，解决人形机器人数据采集难、效率低问题，通过硬件、交互与算法协同，实现低成本、高效全身操作策略学习。
别再嫌弃MySQL了！AI时代，当DuckDB拥抱MySQL
本文围绕MySQL DuckDB引擎展开，介绍其产品形态演进，如推出只读与主实例。阐述主实例在Binlog适配、高可用与数据安全、数据入库、兼容性等方面能力，还分享出行平台实践，提及未来数据湖集成方向。
2026 开年 AI 巨作！超强搜索智能体模型 MiroThinker 1.5 开源，慢思考做到了极致！
2026年开局，MiroMind团队开源超强搜索智能体模型MiroThinker 1.5。它不是“秒回型AI”，会深入研究后输出有引用、数据和逻辑的研报，以“慢思考”机制在深度任务上表现出色。
《时代》2025重塑世界的五大AI进展
本文讲述2025年AI重大进展。中国Deepseek R1开源模型冲击全球格局，AI具备思考能力，特朗普政府推“星际之门计划”，AI公司支出逼近1万亿美元，同时AI与人类关系更复杂，引发风险思考。
Gemini 3 Flash 发布，多、快、好、省，Coding 能力不输大哥Gemini 3 Pro
Google DeepMind 发布 Gemini 3 Flash，成本极低。它在多项测试表现出色，速度快、效率高，代码能力超 Gemini 3 Pro，获企业客户好评，今日起向全球开发者和普通用户推送。
何恺明组三位本科生领衔！持续聚焦Flow模型，突破归一化流生成效率瓶颈
何恺明团队新作聚焦Flow模型，提出双向归一化流（BiFlow）框架，解耦前向与逆向过程，打破传统归一化流生成模型效率低下问题。三位一作是本科生，实验显示其速度和质量表现出色。
深度拆解 Claude 的 Agent 架构：MCP + PTC、Skills 与 Subagents 的三维协同
Anthropic 在 Agent 工程领域不断创新，除了 MCP 外还推出 Skills 与 PTC 并在 Claude 平台落地。本文深度拆解 MCP + PTC、Skills 与 Subagents 的定位、联系与应用，助你拓展构建 Agent 系统的思维。
这下Altman急了，OpenAI紧急启动「红色警报」
ChatGPT三周年后，Altman宣布OpenAI进入红色警报状态，调集资源改进ChatGPT。此前谷歌曾因ChatGPT威胁发布红色警报，如今谷歌等对手快速追赶，OpenAI多产品后续乏力，还面临增长与融资压力。