「长任务跑分」共找到 2672 篇相关文章
去掉 VAE 之后，商汤用 8B 参数重新定义了开源生图的上限
商汤SenseNova U1开源后引发开发者社区关注，它基于NEO - unify架构，摒弃VAE，实现多模态理解与生成原生统一。在多项基准测试中表现出色，还针对企业办公场景优化，成为生产级任务新选择。
哈佛《Science》研究：大模型已碾压人类医生！
哈佛医学院等团队让OpenAI o1系列大模型与数百位医生在多项测试中较量，大模型在各项诊断和管理推理任务上全面超越人类专家，不过当下模型处理非文本信号有局限。
AI「看不懂」、「做不好」视频的问题，混元用「MTSS」解决了
腾讯混元团队提出 Multi-Stream Scene Script（MTSS）新视频描述范式，将传统方式升级为‘多流结构化剧本’。它解决了传统方式语义冗余、扩展性差等问题，在视频理解和生成任务表现显著。
算力极限下，OpenAI 急着做什么？
OpenAI联合创始人兼总裁Greg Brockman接受专访，就产品战略收拢、新基座模型Spud等议题给出内部判断，回应业界质疑。他称产品调整是算力硬约束下的优先级排序，还透露了产品核心方向和Spud进展。
Claude Opus 4.7发布！这是你在别的公众号看不到的五个发现
Anthropic发布Claude Opus 4.7，编码和视觉能力提升，但长上下文能力下降。其231页的System Card藏着不少有趣发现，如Opus 4.7非最强模型、Claude知道被测试、模型审查自身评估等。
Routa 桌面版发布：内建 Harness 工程的 AI Coding 研发协作工作台
Routa桌面版发布，它是内建Harness工程的AI Coding研发协作工作台。围绕Routa构建Harness工程框架，Kanban成为任务协议，多Agent沿泳道接力协作，重新定义了‘done’，让AI Coding进入协作与交付问题域。
林俊旸从阿里离开后首度发声：推理模型的时代快结束了
前通义千问Qwen负责人林俊旸离职后发长文，指出AI正从「推理思考」转向「智能体思考」，分析推理模型发展，谈混合思考模式失败，还提及智能体思考挑战及相关企业、学术界进展。
突发｜立即检查你的Python库！LiteLLM被投毒，Karpathy警告，马斯克关注
Karpathy发长推文警告，GitHub超4万星、月下载量9700万次的Python库LiteLLM在PyPI上被投毒，含恶意代码版本为1.82.7和1.82.8，攻击负载分三阶段运行，引发马斯克关注。
迈向原生全模态AI智能体：人大&小红书发布OmniGAIA新基准
中国人民大学等团队推出 OmniGAIA 新基准及 OmniAtlas 训练框架。OmniGAIA 含 360 个高难度任务，覆盖多领域。实验显示闭源与开源模型差距大，OmniAtlas 显著提升开源模型表现，并指出未来全模态智能体发展方向。
GPT-5.4「原生操控电脑」实测封神！OpenClaw天选模型来了
OpenAI发布GPT-5.4，首次实现原生电脑操控能力，几乎可操作电脑所有应用。它被认为是最适合跑OpenClaw的模型，在多方面表现出色，其发布标志AI从对话式到智能体的跨越。