「系统评估」共找到 2301 篇相关文章
分享2篇最新Harness论文，一篇谷歌，一篇微软
在LLM Agent迅速发展的当下，如何为其设计合适的Harness成关键问题。本文分享微软M⋆和谷歌AutoHarness两篇论文，分别从记忆系统和动作约束维度提出自动化的Harness进化方法，并介绍了实验结果。
Meta-Harness：让AI 改进自己的Harness
斯坦福IRIS实验室Yoonho Lee团队推出开源框架Meta - Harness，让AI自我优化流程。它像给AI用的‘时间机器’，记录源代码、执行轨迹和评估分数。在任务上表现出色，但也面临耗时、数据爆炸等挑战。
别盯着GPU了，CPU正成为AI时代的“新瓶颈”
进入2026年，AI系统性能越来越取决于执行与调度能力，CPU正成为AI时代的“新瓶颈”。目前CPU市场供应紧张，英特尔、AMD、英伟达等大厂应对策略各有不同，智能体时代算力天平正回摆。
人大高瓴孙浩团队发表Nature子刊封面文章：基于并行符号枚举的物理定律发现
中国人民大学高瓴人工智能学院孙浩教授团队在《自然 - 计算科学》发表封面论文。提出PSE框架解决符号回归瓶颈，通过公共子树复用和GPU并行提升评估效率，实验表现优于现有方法，也指出了局限性与未来方向。
ICLR-26腾讯混元：Agent是强大的，但用户是狂野的
现有LLM工具使用基准测试场景理想化，忽视真实用户行为复杂性。腾讯提出WildToolBench，基于真实用户行为构建测试集，对58个模型评估，发现模型准确率低，揭示LLM在真实场景下能力缺口，为模型优化指明方向。
英伟达放弃GPU上LPU：新推理芯片被曝Groq即买即用，OpenAI第一个吃螃蟹
英伟达将在GTC大会发布新AI推理系统，核心芯片基于Groq的LPU架构，首位大客户是OpenAI。选择外部架构与时间窗口有关，推理场景中LPU更适配。同时，英伟达推理芯片面临诸多威胁。
字节开源版Seedance发布，超越Sora 2！
字节Alive团队发布开源版Seedance 2.0，在人类评估中超越Sora 2等。它通过统一架构、时空对齐技术和非对称训练策略，解决声画不同步和画质音质难两全问题，还建立数据流水线和测试基准。
教科书《性能之巅》作者入职OpenAI！迷弟总裁亲自欢迎
系统性能优化领域顶级专家Brendan Gregg加入OpenAI，将参与ChatGPT性能团队。他被尊为“性能之神”，著有《性能之巅》等，发明火焰图。他自述因OpenAI环境与AI需求加入，还为圆童年科幻梦。
Mini-sglang-01：从Client到Scheduler的消息流转之旅
文章围绕轻量化大模型推理系统mini - sglang，详细介绍消息从客户端经APIServer、Tokenizer到Scheduler的流转过程，分析核心组件功能、消息体系、正反向链路及优化策略，还预告后续分析调度和模型实现逻辑。
ICLR 2026录用结果公布！AI大佬晒成绩单，AI滥用最严重一届
ICLR 2026投稿达19000篇破纪录，录用率28.18%，平均分5.39创三年最低。评审系统曾现漏洞，作者仍晒喜报，如北大张铭组中5篇。但AI滥用严重，21%评审意见被疑由AI生成。