「Paper2Agent」共找到 4252 篇相关文章
北大伯克利联手“拷问”大模型：最强Agent也才40分！新基准专治“不听话”的AI分析师
北大与伯克利团队推出IDA - Bench新基准，模拟真实数据分析场景，解决现有基准无法评估大模型在动态交互中可靠性的问题。测试显示，顶尖大模型成功率最高仅40%，不同模型还暴露多种问题。
小米万亿模型全面开源：MIT 协议、1M 上下文，但还是打不过 DeepSeek
小米开源 MiMo-V2.5 和 MiMo-V2.5-Pro 两款模型，采用 MIT 协议，适合商业应用。在基准测试中表现出色，有竞争力价格和限时优惠。但与 DeepSeek 比，架构创新偏工程化，也有推理表现不足等问题。
蚂蚁百灵新一代Ling-3.0开源，智效比13.2，124B释放1T能力
蚂蚁百灵新一代模型Ling-3.0开源，有flash和tiny两版本。Ling-3.0-flash参数量124B，智效比13.2，输出快成本低；Ling-3.0-tiny参数量7.9B，激活少且适用多场景，二者都极致挖掘模型效率。
CS博士求职8个月0 offer，绝望转行！斯坦福入学停滞，全美仅增0.2%
曾经热门的计算机专业渐成「冷门」，全美入学率仅增0.2%，斯坦福等校招生下滑。AI自动化初级编程岗位，致就业前景暗淡，如田纳西大学博士生求职8个月无果。不过也有人认为低迷或为短期，专家建议选培养可迁移技能学科。
最具争议的 1 人 AI 公司融了 3000 万美金，估值达到了 2.5 亿
1人AI公司Polsia引发大量质疑，有人认为它是“垃圾产品”，指出其ARR统计、客户流失率等问题。但它刚完成3000万美金融资，估值达2.5亿美金，网站月流量超100万。
Python逆天改命！开源Hermes首次击败OpenAI Codex
纯Python写的开源项目Hermes Agent，在11项基准测试中以6:5战绩击败OpenAI用Rust写的Codex。它通过三大工程优化，将启动时间从701ms降至258ms。这表明在AI Agent领域，架构比语言性能更重要。
贴脸对打Opus 4.5！最新Codex自己写自己，网友实测“放手”8小时不崩
Claude Opus 4.6发布不到半小时，OpenAI就上线GPT - 5.3 - Codex，这是其最强的Agent化编程模型。它多项跑分超Claude Opus 4.6，网友实测长链路稳定性好，虽慢但稳。OpenAI总裁称Agent正重构软件开发。
Meta&UIUC大发现：无需标注，Agent复杂的工具使用和搜索能力，是可以“无中生有”的
Meta和UIUC研究发现，无需标注，Agent复杂工具使用和搜索能力可“无中生有”。论文Dr. Zero让大模型自我博弈成搜索专家，用HRPO提效，设计难度导向奖励，实验表现佳，但也存在局限。
18.2K Star！macOS 丝滑跑Linux，一键容器、多架构支持，开发效率直接起飞！
介绍轻量级虚拟机管理器 `Lima`，它能在 macOS 上提供类似 WSL2 的体验，专注容器化工作流。支持多架构与多驱动，有开箱即用的容器化支持等特性，安装和使用简单。
烧了1万块横测，你用的模型可能掉队了
作者花大成本从后端、人味、前端、推理等维度，对glm 5.2、kimi k3等国产模型进行测试，展示各模型在不同测试中的结果，指出国模2T俱乐部的kimi和qwen下限高，且刻板印象需改变。