「核心认知基准」共找到 2705 篇相关文章
逼AI当山顶洞人！Claude防话痨插件爆火，网友：受够了AI废话
一个叫「caveman」的Claude Code插件在Hacker News爆火，冲破2w星。它核心是条prompt，删掉冠词等废话，号称省75%输出token。但它不压缩模型后台推理token，真实成本节省存疑。
732M模型超越7B！机器人操控新范式：从视频中「悟」物理
机器人操控有「数据困境」，传统方法需大量人工标注动作演示数据。中山大学王广润教授团队从视频生成模型「借」物理直觉，提出PAR和PhysGen，与英伟达DreamDojo核心思路一致，验证了新的技术路线。
让大模型基于「图像事实」说话：用事实文本+自适应编辑，让语言偏见无处遁形丨ICLR'26
多模态大模型看图常“脑补”，存在对象幻觉问题。北航团队提出AFTER框架，含FAS和QAO模块，能在主流LVLM和基准上显著降低幻觉，且推理开销低，为多模态助手落地提供实用路径。
110万美元悬赏！AMD发起全球战书：谁能打破DeepSeek与Kimi的推理速度极限？
AMD与GPU MODE联合发起2026线上黑客松，向全球发榜。挑战赛设110万美元奖池，分预选赛和决赛，要对核心GPU算子打磨、挑战明星模型，代码须可合并，给出了赛程安排及参赛方式。
The Batch：924｜GPT-5.4：性能更高，价格也更高
OpenAI更新旗舰模型GPT-5.4，有Thinking和Pro两个版本，扩展工具使用能力，多基准测试达当前先进水平，但定价高。虽在部分任务表现超Claude，挑战Gemini地位，不过成本也更高。
YC总裁转发、登顶Hacker News：SkillsBench揭开Agent技能扩展的残酷真相
近日论文《SkillsBench: Benchmarking How Well Agent Skills Work Across Diverse Tasks》引发海外AI社区关注。研究聚合47150个Skills，经严格筛选评估，揭示人工构建Skills效果好、AI自生成无效等核心发现，为AI研发指明路径。
Qwen 3.5 的口碑持续走高，林俊旸辞职出走，开源阵营震荡
3月4日，通义千问首席研究员林俊旸宣布辞职，多位核心骨干也一同离开。此前Qwen 3.5系列开源表现出色，此次人员变动引发社区震动。大厂战略与技术路线拉扯，人才流动成常态。
阿里千问负责人林俊旸突然离职，AI圈刷屏：Qwen 开源时代要变了吗？
3月4日凌晨，千问核心负责人林俊旸在X发文卸任。他是阿里最年轻P10级技术专家，主导研发多个关键项目。其离职引发关注，网友猜测Qwen或转向闭源，业内人士对他评价颇高。
字节清华智能体自动写CUDA内核，比torch.compile加速2.11倍
字节Seed与清华AIR团队开源CUDA Agent，在GPU内核优化基准KernelBench上成绩优异。它是大规模智能体强化学习系统，训练数据经多阶段构建，分阶段训练，全面超越商业模型，还开源了训练数据集。
只有 30 个工程师的 X，是怎么重新杀回 App Store 第二的
本文讲述X产品负责人Nikita Bier的经历，他曾多次打造爆款App。加入X后，30人团队30天内将App Store排名从78推到2。他还分享X在算法、功能等方面的改进，以及Elon的管理风格和X未来计划。