「感知级评估」共找到 1885 篇相关文章
拿着做数学题的 PRM 来评判 Agent 调用工具，基本是行不通的！
目前评估体系多为结果导向，在工具调用上缺乏像样的PRM基准。Arizona State University和Intuit AI Research研究者推出ToolPRMBench，指出用做数学题的PRM评判Agent调用工具行不通，还介绍了其构建方法、训练范式和实验结果。
CES深思考：没做人形机器人的石头，如何抢占家庭具身智能第一入口？｜甲子光年
2026年CES上，石头科技推出全球首款能扫楼梯的轮足扫地机器人G - Rover，它重新定义空间维度，可在台阶稳定作业。石头科技以场景需求定义形态，研发围绕用户需求，在全球市场表现出色。
GPT-5准确率不足40%！北大发布多模态、高难度化学基准SUPERChem
北大团队发布多模态、高难度化学基准SUPERChem，构建评估大语言模型化学推理能力新体系。测试显示，GPT - 5准确率仅38.5%，与低年级本科生相当，且模型在高阶推理有短板，该基准为模型优化指明方向。
谷歌发布智能体Scaling Law：180组实验打破传统炼金术
谷歌新论文通过180组实验找到智能体的Scaling Law（定量扩展原则），在四个基准测试评估，推导预测模型，实验结果颠覆直觉，还量化阻碍因素，发现不同模型协作性格，为智能体部署决策提供支撑。
NeurIPS 2025 | 蚂蚁CGM：图融合架构重塑代码大模型，探索非 Agent 新范式
在NeurIPS 2025上，蚂蚁将展示Code Graph Model (CGM)。它把代码库图结构集成到开源LLM，开启新范式，在代码库级任务上以非Agent方案登顶开放权重模型榜首，解决了复杂软件工程的Agent依赖难题。
无需训练的3D生成加速新思路：西湖大学提出Fast3Dcache
在AIGC浪潮中，3D生成模型虽进化快，但‘慢’和计算量大制约其应用。西湖大学AGI实验室提出无需训练、即插即用的Fast3Dcache框架，能在加速同时保持或提升模型几何质量。
从 1000 万 App 下载到 1 亿桌面：千问与夸克合体成 AI 浏览器了
阿里千问 App 公测 7 天下载量破千万，其基于强大的 Qwen 模型。11 月 26 日，千问与夸克 AI 浏览器深度融合发布 6.0 版本，借助夸克超 1.1 亿的装机量，千问成系统级桌面智能助理。
Ilya：扩展时代已经结束了，研究的时代已经开始
Ilya Sutskever 在播客访谈中深度探讨AI问题。他指出模型考试强但应用差，是因泛化能力不足；认为AI扩展时代结束，研究时代来临；还谈及AGI应是学习者，以及AI部署、安全对齐等观点。
OpenAI发布GPT-5.1 Codex Max，编程能力比Gemini 3更强、更持久
为换回注意力，OpenAI紧急发布GPT - 5.1 Codex Max。它在编程测试中表现优于Gemini 3 Pro，还实现24小时项目级开发。引入自动压缩与扩展推理改进，效率提升，现已多途径可用，API访问将开放。
黄仁勋GTC开场：「AI-XR Scientist」来了！
英伟达CEO黄仁勋在GTC大会展示LabOS，这是全球首个融合AI与XR的协研科学家平台。它将多模态感知等技术融合，构建端到端闭环，还通过三大生物医学案例展示功能，开启人机协同科研新纪元。