「智能体基准」共找到 4112 篇相关文章
刚刚，Claude 又杀死了所有 todo 工具
Claude 可直接操作 iOS 提醒事项，只需告知任务，它会申请权限并设定日程。作者认为从现在起，所有 todo 软件都可‘去死’，Claude 将成智能日程助理，还能查看、管理提醒。
OpenAI的新浏览器实测被吐槽疯了？走“乔布斯风”、挖谷歌骨干，奥特曼就“复制”出个ChatGPT版Chrome？
OpenAI发布全新网页浏览器ChatGPT Atlas，其将ChatGPT置于网页体验核心，有常驻侧边栏助手等功能。虽冲击谷歌，但用户实测反馈不一，且此类智能代理浏览器存在新安全风险。
这个开源PDF解析器，拿了全球第一
OpenDataLoader在主流PDF解析器基准测试中排第一，尤其是表格提取准确率高。它功能丰富，有本地和混合两种模式，还将推出免费自动标记功能，支持与LangChain集成。
ICLR史无前例！中国团队站上C位，全球AI顶会首次为它设专场
ICLR宣布由阿里妈妈牵头的「AI for Mechanism Design and Strategic Decision Making」专题研讨会通过评审，这是其首次设聚焦「机制设计与决策智能」的Workshop，众多大咖参与，连接学术与工业。
攻克长文档与多模态挑战，Paper2Video实现学术视频的自动化生产
新加坡国立大学 Show Lab 团队主导研究，提出 Paper2Video 基准及评价指标，还推出 PaperTalker 多智体框架实现学术视频自动化生产，实验显示其在多方面表现佳，效果接近人工水平。
AI 如何讲好一个多人故事？首个支持多角色互动的3D场景叙事系统
首尔国立大学提出全新框架，能生成虚拟动态场景并支持多角色上下文动作生成。引入LLM拆解复杂任务，系统用事件驱动方式规划动作，还构建基准评估相关能力，有良好扩展性和实用性。
使用 Claude Code：会话管理与 100 万 上下文
本文是 Claude Code 的产品使用指南，介绍了其新更新的 /usage 命令，阐述了上下文、压缩、衰减等概念，还给出会话管理建议，如何时开新会话、用回溯替代纠正等，助用户用好该工具。
企业软件底层逻辑脱胎换骨：从席位订阅到决策订阅，下一个万亿公司属于这类玩家
大模型落地进入深水区，企业级软件底层逻辑发生“脱胎换骨”变化。以特赞提出的GEA架构为例，企业软件竞争从模型能力转向认知结构，价值结构、引力中心等都在改变，软件订阅也从席位转向决策。
性能飙升42%！人大&字节开源10万级 SWE数据集 Scale-SWE
近期，人大和字节开源10万级软件工程数据集Scale - SWE，用首创工作流从GitHub构建真实数据。基于此微调的Qwen3 - 30A3B - Instruct模型测试表现佳，其数据相比合成数据优势明显。
爆火的OpenClaw怎么玩？谷歌老哥40天打磨终极配置单开源：让你的龙虾越养越聪明，自动打怪升级
OpenClaw正掀起AI狂潮，谷歌高级AI产品经理Shubham Saboo经40天实战打磨出OpenClaw Agent终极落地方案。其系统架构分身份、操作、知识三层，文件不断进化，文末附实操路线图。