「推理能力评测」共找到 4893 篇相关文章
AI 编程如何在团队中真正落地？
文章围绕AI编程工具Cursor在团队落地展开。分析推广难题，如使用意愿和能力问题，提出研发流程规范、结构化语言表达和应用级特化解决方案，还给出通用Rules和prompt示例，助力Cursor高效落地。
谷歌太壕了！编程Agent大招至简：开源且免费，百万上下文、多模态、MCP全支持
谷歌开源免费的编程Agent Gemini CLI，提供业界最高免费限额，能在终端访问Gemini。其能力多样，涵盖代码理解等，支持百万上下文、多模态和MCP，开源协议为Apache 2.0，还给出安装和使用指引。
Claude两周挖出火狐浏览器22个漏洞、14个高危！安全研究的游戏规则该变了？
近日，Anthropic与Mozilla合作，用Claude Opus 4.6测试火狐浏览器漏洞，两周内找出22个漏洞，14个高危。网友热议，有人赞其高效，也有人担忧攻击面变化。还测试了Claude利用漏洞能力，同时分享技术和流程实践。
VLA模型为何忽视语言？破解指令跟随幻觉，分布外场景泛化新突破
当前VLA模型常依赖视觉线索而非语言指令，导致新场景表现不佳。论文提出LangForce方法，引入对数似然比损失，强化模型对语言的依赖，提升分布外泛化能力，还保留语言核心功能。
继Harness之后，“龙虾”JiuwenClaw率先开启“Coordination Engineering”时代
AI工程范式迭代快，行业面临‘定义赶不上进化’的焦虑。华为支持的openJiuwen社区发布新版JiuwenClaw，新增多智能体协同能力，提出‘Coordination Engineering’，实测中表现出高稳定性，可自主完成多项任务。
斯坦福年度结论：中美大模型已没差距
斯坦福HAI《2026年AI指数报告》指出，中美AI模型性能差距基本消除，AI能力加速发展且普及快，但也存在安全基准滞后等问题。报告含15个主要结论，已成为业界重要参考。
扒一扒Meta全新大模型Muse Spark里藏着的PDR技术
Meta发布闭源大模型Muse Spark及‘沉思模式’，背后藏PDR推理技术。该技术通过‘并行起草+精炼’突破性能瓶颈，对比传统长CoT范式优势明显，在AIME竞赛题目测试中准确率显著提升。
AI时代已来，魔幻的大模型投毒事件，我们怎么应对？
央视315晚会曝光针对大模型的蓄意信息围猎，虚构手环经力擎系统包装成科技尖货。黑产靠此吸金，利用技术污染证据链。多方已行动，厂商需提升安全能力，消费者要保持警惕。
一百万亿Token里的AI现状：OpenRouter和a16z重磅研究带你透视AI江湖
OpenRouter和a16z发布重磅研究，用100万亿Token绘制AI实景地图。2025年推理模型崛起，开源模型流量份额攀升，编程与角色扮演需求大，还揭示了用户留存的“灰姑娘效应”等，展现多元AI世界。
小扎再出奇招：Meta员工绩效，AI来评判
Meta宣布从2026年起用AI衡量员工绩效，考察员工使用AI提升效率及构建工具的能力。今年还推出AI绩效工具Metamate。其他科技公司也在将AI融入员工工作，网友对此褒贬不一。