「推理能力评测」共找到 4894 篇相关文章
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。
230个大模型在婴幼儿认知题上集体翻车！揭秘多模态大模型的核心知识缺陷
ICML 2025研究揭示多模态大模型在基础认知能力上表现不佳。研究者建测评题库CoreCognition测试230个主流模型，发现其存在核心知识缺陷，扩规模难补短板，还需补齐核心知识。
耶鲁等团队联合发布首个虚拟细胞Agent，可自动设计出先进的模型
耶鲁等团队发布首个多智能体系统CellForge，可自动化设计虚拟细胞模型。它能输出模型架构和代码，有跨模态能力，性能超多个领域代表性模型，可降低科研门槛，加速药物研发。
让AI主动干活，给你找服务，鸿蒙“6”啊
在HDC 2025上，鸿蒙展示服务分发展示新能力，能让服务主动找用户。它形成Agent行动网络，推出“探索”服务流。奈雪、东方财富等已加入，华为为开发者提供多种工具及激励政策。
给 Agent Skills 装上眼睛：MMSkills 用多模态技能包教会智能体看状态、做决策
上海交通大学和小红书团队推出面向通用视觉 Agent 的多模态技能框架 MMSkills，将可复用技能扩展为多模态程序性知识，通过 branch loading 调用视觉证据，在 GUI 与游戏任务评测中表现出色。
西方忘了怎么制造东西，现在它又在忘记代码
文章以国防工业为例，指出西方制造业存在知识流失、产能恢复困难问题。如重启“毒刺”导弹生产线困难，欧洲炮弹交付延期。软件行业也类似，AI使初级工程师能力培养受阻，可能重蹈覆辙。
评论送书 | Al智能体与传统AI应用的区别？它如何工作？如何快速构建智能体？
文章对比AI智能体与传统AI应用，指出前者更像“乐高积木”，可融入生活工作。介绍其工作是“感知—推理—执行—学习”循环，还给出快速构建通用方法，如明确目标、选框架等。
天选Windows打工AI来了！实测完Claude Cowork国产版：超顶
硅谷Claude Cowork出圈后，国产昆仑万维Skywork桌面版登场。它支持模型自由切换、海量Skills集成，实测任务完成率高、速度快、有自纠错机制，依托上下文能力升级，是国产AI创新力量的展示。
独一份！带动效的 PPT 生成 Agent！使用教学&创作思路
作者实现用 Nano Banana Pro 生成带演示动画的 PPT 这一独特功能。介绍了更新后的 PPT 生成 Skills 能力、使用方法、创作思路，还提及成本及对 AI Coding 发展的看法。
Meta通过简单算术解锁LLM SoTA性能
大型语言模型训练耗算力与时间，传统模型融合方法有局限。本文提出SoCE新方法，通过筛选专家模型、非均匀加权平均融合，在多评测中实现先进性能，为LLM优化提供新思路。