「长任务跑分」共找到 2656 篇相关文章
长思维链里的推理步骤，哪些最关键？三招锁定LLM的「命门句子」
杜克大学和 Alphabet 研究者提出在句子层面分析推理痕迹，找出长思维链中关键步骤，提高 LLM 可解释性等。提出三种互补方法，还提供开源工具，研究为调试推理失败等提供可能。
Trae-Agent 刚刚开源，Windows-MCP 操作你的电脑，Chrome MCP 让AI自动化完成浏览器任务。
Trae - Agent 开源，可完成软件工程任务。Windows - MCP 能让 AI 操作 Windows 系统，Chrome MCP Server 使 Chrome 成 AI 助理。还介绍了 Gemini Cli、Claude 等工具及特点。
西湖大学修宇亮：数字人重建，慢慢都会变成基础模型的微调任务 | GAIR 2025
12月13日，西湖大学修宇亮在GAIR 2025分享数字人重建进展。其团队成果UP2You将建模时间从4小时缩至1.5分钟；ETCH获更准确内部人体结构；Human3R可实时动态重建人物场景。他认为未来数字人重建将成基础模型微调任务。
跑分第一，实战拉胯！GPT Image 1.5被骂惨，奥特曼这波悬了
OpenAI推出新一代旗舰图像模型GPT Image 1.5，生图能力强，免费用户可上手，开发者能调用API。它在跑分榜单成绩优异，但网友实测发现是‘高分低能’，引发吐槽。此外，其API价格降20%，此次更新是回击谷歌。
AI 产品范式探讨：非线性思维、多 Agent 协作才是复杂任务的更优解
本文探讨AI产品范式，指出当前大模型产品设计多将其视为‘万能单兵专家’，但复杂任务下效果不佳。提出群体智能、非线性思维等观点，阐述人机协作方向，介绍新范式及AI产品商业化核心是信任。
KDD 2025 | UoMo来了，首个无线网络流量预测模型，一个框架搞定三类任务
在 ACM KDD 2025 大会上，清华与中国移动联合发布 UoMo，全球首个面向移动网络的通用流量预测模型。它结合扩散模型与 Transformer，能理解地理与人流变化，一个框架搞定三类流量预测任务。
DeepSeek深夜炸场，开源了一个新项目&论文，V4打前站？
凌晨，DeepSeek开源新项目Engram并公开论文。Engram用可扩展的O(1) N - gram记忆替Transformer早期层节省算力，在多方面实验表现出色，如推理任务增幅大于知识任务，还分析了其机理和系统效率。
Agent 跑分追平 Codex、成本低至 1.95 美元，这家中国公司做到了
德勤报告显示86%多Agent项目落地失败，硅谷也出现‘无限智能体死循环’。EvoMap团队的EvoX采用‘蜂群式自进化’打法，系统容错率翻倍、完成率跃升，成本大幅降低。跑分追平Codex，还展现出自组织潜力。
“Claude Code更新废了”！热议Issue：思考深度下降67%，已无法胜任复杂的工程任务
AMD的Stella Laurenzo分析发现，Claude Code某次更新后思考深度降67%，无法胜任复杂工程任务，行为走样。团队回应redact - thinking是UI改动，2月两项改动或有影响，但网友并不买账。
腾讯混元推出首款开源混合推理模型：擅长Agent工具调用和长文理解
6月27日，腾讯混元开源首个混合推理MoE模型Hunyuan - A13B，参数80B激活仅13B，推理快性价比高。它在多测试集成绩好，尤其擅长Agent工具调用和长文理解，还开源两数据集填补评估空白。