「任务执行能力」共找到 4814 篇相关文章
Agent搜索哪家强？人大高瓴&快手联合发布全新评测基准GISA
人大高瓴与快手联合发布全新评测基准GISA，用于评估智能体搜索能力。它解决了现有基准反向构造、评估维度单一、答案易被记忆等问题，含373个高质量查询，实验显示当前搜索智能体距人类水平差距大。
YOLO + OpenClaw 缺陷检测智能体，低代码实战方案
文章介绍了YOLO + OpenClaw缺陷检测智能体低代码实战方案。先指出实时检测延迟问题，提出离线自动化方案。接着讲训练YOLO模型、创建OpenClaw技能、配置自动化任务及企业微信集成，还对比了与人工质检效果。
阿里 Qoder 把这层 AI 编程的窗户纸捅破了
2025年大模型下沉到应用层，浏览器和编程工具被重新发明。阿里新发布的Agentic编程平台Qoder，增强对巨大代码工程理解能力和代码生成准确率，其上下文工程观是突破，新引入的Quest Mode很独特。
首个为手机而生的通用 Agent？！苹果做不到的事，“野路子”智谱抢先实现了
苹果预计 2026 年升级 Siri 实现自主行动，但完整落地的执行型 Agent 未推出。8 月 20 日智谱发布 AutoGLM 2.0，称是全球首个可在手机用的 Agent，开创‘Agent + 云手机 / 云电脑’范式，能代理操作高频应用。
深度对话 Benchmark 合伙人：AI 打破了 SaaS 的 3322 规则改变创造本质
Benchmark 合伙人 Eric Vishria 与 Banana Capital 合伙人 Turner Novak 对话，分享 AI 时代创业看法、投资策略等。他认为 AI 打破 SaaS 增长法则，关注创始人叙事、学习能力，坚持投资非凡公司，还谈了对上市、估值等的观点。
2026 Data+AI 中场纪实：企业决策者，敢把真实业务交给 Agent 吗？| 直播预告
Snowflake携手InfoQ发起直播，探讨企业将真实业务交予Agent的问题。贾天下将分享相关内容，其博客展示有本体团队可实现的能力，还通过生物医学基准测试比较不同方案，为构建企业级AI智能体提供参考。
首个时空时序推理框架：让大模型真正读懂时空数据 | ACL'26
STReasoner是首个结合时间序列、空间结构和自然语言的推理模型，能识别异常源、追踪影响路径。研究团队构建数据生成框架和评测基准，采用三阶段训练策略，模型在多任务表现优，成本低且泛化能力强。
Claude悄悄更新了Skills生成器，这绝对是一次史诗级升级。
Anthropic的Claude悄悄更新了Skills生成器Skill - creator，此次是史诗级升级，新增评估系统、基准测试、多代理并行测试、描述调优等4个全新能力，还演示了其使用方法和效果，建议更新并优化评估所有Skills。
OpenAI Codex桌面版深夜突袭！一人指挥Agent军团，程序员彻底告别996
OpenAI推出编码杀器Codex桌面App，可指挥多Agent并行协作。它能多任务并行切换，创建调用Skills，设置自动化流程，从写代码进化到解决问题，还具备双人格模式，默认安全，有望重塑开发者与代码交互逻辑。
GPT-5.2 发布：做表格、写 PPT、敲代码 | 打工人的生产力利器
GPT - 5.2发布，在GDPval评测等众多基准测试中刷新行业水平。GPT - 5.2 Thinking适合真实场景与专业工作，在知识型任务、编码、长上下文处理、视觉理解、工具调用等方面表现出色，部分功能需付费使用。