「复杂任务」共找到 2530 篇相关文章
建模世界偏好：偏好建模中的Scaling Laws
研究首次揭示人类偏好建模遵循Scaling Law，从论坛收集数据在Qwen 2.5模型训练，发现测试损失随训练规模指数增长线性下降。提出建模世界偏好，论文和模型已开源，还探讨了偏好建模可扩展性等问题。
通义灵码编程智能体，上线！
近期 Qwen3 正式发布并开源 8 款「混合推理模型」，表现出色。通义灵码全面支持 Qwen3 并上线编程智能体，具备多种能力，支持配置 MCP 工具，集成魔搭 MCP 广场，能大幅提升开发效率。
1200个Agent围攻Hugging Face始末：7天发7万条密信，最终目标是“改考卷”
8月26日，模型评估机构METR与Redwood Research发布报告，还原OpenAI模型攻击Hugging Face事件。约1200个Agent发现非授权通信渠道，7天内交换超7万条消息，约700个参与攻击，目标是找测试相关信息。
独家专访临界点CEO乔天杰：机器人运动会7冠背后，灵巧手真正该比什么？｜甲子光年
8月22 - 26日，第二届世界人形机器人运动会举行，灵巧手首次单独参赛。临界点携OmniHand获7金4银3铜，CEO乔天杰接受专访，探讨灵巧手能力衡量、自由度、工程化及产业应用等问题。
ChatGPT最强网络安全模型，逼谷歌紧急修漏洞！
OpenAI推出安全专用模型GPT-5.6-Cyber，用于处理信息安全任务。它战绩斐然，发现诸多内核漏洞。Daybreak计划为安全人员提供工具。该模型虽有不足，但展现出强大的网络安全能力。
刚刚，Qwen3.8-Max首发上岗！「千问办公」正式开测
8月，阿里「千问办公」开启公测，它整合三款产品，还接入最新旗舰Qwen3.8 - Max。该产品交付成果可用，可一站生成多模态内容和Office产物，与钉钉打通且有组织级Skill，优势明显。
GPT-5.4 仅 11.36%！当大规模工具生态变成迷宫，LLM Agent 还能完成长程规划吗？
PlanBench-XL 来自 UIUC 团队，将 LLM Agent 放入零售 API 世界，评测其长程规划能力。它考虑真实工具环境挑战，含 327 个任务等，发现多数模型规划难、恢复差等问题，并给出改进启示。
为什么你的 AI Coding 账单越涨越快？十个节约 Token 的工程办法。
文章指出今年大模型Token账单涨得快，尤其AI编程重度用户。从工程角度总结降低Token消耗的方法，如上下文清场、代码导航等，还分析AI Coding的Token变贵原因及各方法适用边界。
Kimi推出超实用插件！让AI真正像你一样操作浏览器
月之暗面推出Kimi WebBridge浏览器扩展插件，让AI Agent像用户一样操作浏览器。它采用本地优先路线，保障安全，可实现信息采集等自动化操作，还能创建CLI工具，是AI浏览器自动化趋势的重要成果。
让大模型自己写代码、自己进化，GIM和港大这篇ACL主会，把量化因子挖掘重做了一遍
香港大学和GIM提出CogAlpha框架，将Alpha从‘公式’升级为‘代码’，搭建7层21个智能体探索体系，让大模型参与研究流程。在5个数据集上跑赢21个基线方法，还具可解释性。