「长期任务」共找到 2196 篇相关文章
CL-Bench的故事没有结束，生成式CL-Bench：GENIUS来了
北大团队发布GENIUS，用于评估模型生成式流体智力。它构建含510个样本、20个子任务的评测集，测试模型多方面能力。实验显示当前模型流体智力有短板，还提出免训练注意力校准机制提升性能。
AI编程真面目：完整项目通过率仅27% | 上交大新基准
多校联合团队发布ProjDevBench，评估AI编程智能体端到端项目开发能力。结果显示，六种主流智能体总体提交AC率仅27.38%，从零构建任务中性能大幅下滑，还揭示了智能体多方面短板。
AI“租人”平台一夜爆火：时薪3500、2.4万用户抢着“卖身”，专家：警惕劣币驱逐良币
RentAHuman.ai网站上线，让AI可通过接口雇佣人类执行线下任务，上线一天访问量破50万，超2.4万用户“挂牌待租”。该模式引发热议，专家认为其凸显Agent“存在感”，但只是阶段性方案。
OCR又出宠OpenDoc，速度超MinerU6倍
复旦开源的OpenOCR是面向通用OCR任务的开源平台，其OpenDoc是超轻量文档解析系统。它采用Pipeline模式，两阶段解析不易放大误差。UniRec - 0.1B有独特架构与分层监督训练等创新技术。
告别 AI 土味审美！Kimi K2.5 实测：扔个视频复刻 iOS 级丝滑动效
Kimi 上线 K2.5 模型，前端审美佳，接近 Gemini 3，增强多模态识别，支持视频。测试显示它能按要求生成漂亮网页，还可通过反馈迭代。它对设计师和普通人帮助大，且 Agent 模式任务完成率高。
5Y News｜Kimi发布并开源 K2.5 模型，带来全新视觉理解、代码和Agent集群能力
2025年1月27日，月之暗面发布并开源Kimi K2.5模型，它是迄今最智能全能的模型，在多任务有出色表现。支持多模态输入，具备新能力，还推出Kimi Code工具，集群能力也开启Beta测试。
马斯克首席AI脑与莱姆病抗争！曾师从丘成桐，杨格宣布辞职
马斯克xAI核心架构师、联创之一杨格宣布离职，转任非正式顾问。他长期与莱姆病斗争，打算康复后复出。杨格是数学天才，师从丘成桐，是Tensor Programs理论之父，其技术为xAI节省大量算力成本。
直击CES：黄仁勋演讲后4个小时，苏姿丰带着她的“复仇者联盟”上台了｜甲子光年
CES 2026上，英伟达CEO黄仁勋演讲后约4小时，AMD董事长苏姿丰登场，展示全栈AI战略。发布Helios架构、新GPU产品及Ryzen AI平台等，走系统工程与长期演进路线，欲抢AI基础设施市场。
必须得让AI明白，有些不该碰的东西别碰（doge）
近期类o3模型在视觉推理任务表现优异，但陷入‘盲目用工具’状态。港中文MMLab等团队提出AdaTooler-V模型，具备自适应工具使用能力，还引入指标、算法，构建数据集，在多基准测评中优势明显。
独家对话 Looki 创始人孙洋：摸着自己过河
本文是对Looki创始人孙洋的独家专访。Looki L1发布后意外大火，但前期市场策略保守，未突出AI。用户使用时长超预期，产品隐私设计消除担忧。团队在供货、软件迭代等方面不断探索，商业模式也在摸索中。