「可验证推理」共找到 6087 篇相关文章
“Claude Skills很棒，可能比 MCP 更重要”
10月17日，Anthropic发布Claude Skills，是助其模型获新功能的模式。Claude用Skills可改进执行特定任务方式，且只在相关时调用。它易共享，可能比MCP更重要，实现依赖编码环境。
Claude Sonnet 4.5发布，多领域性能超越GPT-5和Gemini 2.5 Pro
Anthropic发布Claude Sonnet 4.5，是目前最强编程模型，在多领域性能超GPT - 5和Gemini 2.5 Pro。操作电脑、数学推理能力提升，产品更新功能丰富，安全性增强，价格不变，获多家公司认可。
Claude Skills很重要
作者本想退订Claude，因Anthropic发布Claude Skills改变主意。它是‘能力包’，含SOP、工具和资源，分层加载省上下文窗口。预设Skills可体验，官方开源，模块化设计利于挂载和按需加载，或形成Skills Market。
6.2k 谷歌开源LangExtract，主打精确溯源的长文档抽取
谷歌开源 Python 库 LangExtract，能让 LLM 依用户指令从非结构化文档提取结构化信息。它可处理临床记录等，具备精确源接地、可靠输出等特性，支持多模型，无需微调，适用于各领域。
从OpenAI AI Phone到Gemini on Android：AI手机时代需要怎样的Agent Harness？
过去一年，AI与手机关系被重新定义，腾讯混元等机构研究PhoneHarness，关注AI在手机上行动及任务完成验证问题。它让手机Agent行动不止GUI，还有Bench检验执行结果，推进AI手机基础设施建设。
使用 Hugging Face 轻松构建并共享 ROCm 内核
自定义内核是高性能深度学习基础，但构建整合麻烦。Hugging Face的kernel - builder和kernels库可助轻松构建、分享自定义内核。本文聚焦构建ROCm兼容内核，展示构建、测试与分享步骤。
76.5k+ star，逆天终端神器！
文章介绍开源工具 `fzf`，它是用 Go 语言编写的命令行模糊查找器，可在多系统使用。有交互式模糊过滤等特性，支持多平台安装，还能与 Shell、编辑器集成，提升命令行体验。
首个英文原生「弱智吧」！逻辑谬误数据集与生成框架来了 | AAAI'26
研究发现大模型判断逻辑谬误易误报正常句子，但分类能力较强。研究人员构建英文逻辑谬误基准SMARTYPAT - BENCH，开发生成框架SMARTYPAT，为大模型逻辑评估提供新思路，可用于多领域。
解放双手！开源 AI 桌面智能体
桌面智能体Bytebot是拥有专属计算机的人工智能，有完整虚拟桌面。它能使用任意应用、处理文档等。赋予AI独立计算机可解锁新能力，项目地址为https://github.com/bytebot-ai/bytebot。
登顶AndroidWorld开源榜首！可以操作手机的移动端AI Agent。
Minitap开源的手机Agent登顶AndroidWorld开源榜首，亮点是能操控安卓与iOS模拟器。用户用自然语言就能完成复杂任务，还具备跨平台控制、全场景交互等特点，项目可快速部署。