「推理评估」共找到 2639 篇相关文章
姚顺雨入职腾讯50天后，发布了首篇署名论文：CL-Bench
2月3日姚顺雨加入腾讯50天后发布首篇署名论文《CL-bench: A Benchmark for Context Learning》。该论文做了新的benchmark，测试显示前沿模型平均分仅17.2%，指出模型在上下文学习尤其是归纳能力上的短板。
Qwen3满血版上线，第一件事就是把搜索按钮干掉了。
Qwen3-max满血版发布，去掉搜索按钮，因模型能力提升无需手动控制。它具备自适应工具调用能力，能自行判断何时使用搜索等工具，思考过程结构化，跑分接近一线模型。
2026 AI Memory最新综述：从理论到实战，一文读懂AI记忆的进化全景
2026年北邮百家MemoryOS团队联合华为发表《Survey on AI Memory》，涵盖AI记忆理论基础、4W分类体系、单/多智能体架构、评估方法与前沿趋势，梳理详尽全景图，还剖析未来挑战与方向。
真没招了！Claude撞碎创业梦，华人博士开源逆袭
Claude Cowork发布砸了Guohao Li的创业梦，他将Eigent项目开源。他对multi - agent架构工程化重构，打造全栈本地Agent，其分布式设计、沙盒终端、推理层优势明显，引发社区关注。
上科大何旭明团队新作：克服简单样本偏置，让多模态模型学会「难题优先」
上海科技大学何旭明团队针对多模态模型幻觉问题，提出DA-DPO框架。该方法不依赖额外人工标注，通过动态调整样本权重，缓解简单样本偏置，在降低幻觉率同时提升综合能力，具成本效益。
智谱 GLM-4.7，Coding 开源第一，其他也很强
智谱正式发布并开源专为 Agentic Coding 打造的 GLM-4.7 模型，编程、推理、Agent 能力成绩亮眼，价格比 Claude Sonnet 4.5 更优。还推出 Coding Plan 套餐，使用方式多样。发布前几天，智谱港股招股书挂网。
腾讯混元世界模型HY-World 1.5开源，24 FPS的实时交互世界建模
腾讯混元世界模型HY - World 1.5开源，实现24 FPS实时交互世界生成。它采用双重动作表征等技术，解决了长程生成问题，还通过强化学习等优化，在多方面表现出色，为具身智能场景模拟奠基。
准确率腰斩！大模型视觉能力一出日常生活就「失灵」
EgoCross项目团队聚焦跨域第一视角视频问答评测，揭示现有MLLM在多场景泛化瓶颈。团队提出跨域第一视角视频问答基准EgoCross，经测试揭示模型短板，验证改进方法潜力，研究入选AAAI 2026且数据集等已开源。
从被吐槽“套壳中国大模型”到自研封神！首次揭秘Cursor背后极速代码Agent如何对标GPT5.1 Codex，生成效率提4倍
10月29日，Cursor 2.0发布Composer大模型，效率约为其他模型四倍。开发者分享其成极速代码Agent方法，如强化学习、平衡训练与推理负载等，还提及未来方向及研发反思。
五年，终于等来Transformers v5
Transformers v5发布首个RC版本v5.0.0rc0，跨越从v4到v5长达五年的技术周期。其日下载量从2万次激增至超300万次，总安装量突破12亿次。v5将PyTorch确立为唯一核心后端，聚焦四大维度进化。