「代码任务」共找到 3599 篇相关文章

开源动态9

AI真能用好科研软件吗?清华团队推出OSWorld-Science,智能体迎接硬核大考

本文针对AI能否自主操作科研软件完成真实科研任务的问题,介绍了清华大学牵头多机构推出的OSWorld-Science,这是面向真实科研场景的智能体评测基准,包含146项真实科研任务,评测了12个主流模型,曝光了当前智能体的能力短板,为领域研究提供了统一评测基础。

机器之心
算法论文7

91% ≈ 0%?谷歌最新研究,戳破工程 Agent 的高正确率泡沫

Google 与 Mercor 联合发布物理工程评测 PLE。测试显示 Claude 模型虽能满足 91% 的单项约束,但因各项条件关联,仅 41.3% 的方案满足全部硬性安全要求。

AI科技评论
算法论文7

不需要恶意指令,也能污染 Agent Skill:SkillPoison 的三阶段渐进式攻击

新研究提出 SkillPoison 攻击,无需直接注入恶意指令,仅通过筛选成功历史经验并伪造归因,即可诱导 Agent 将局部操作过度归纳为错误的长效技能规则。

模安局
算法论文7

老师各有所长,合版却起冲突?京东×南大提出Road MOPD缓解风格与跨领域学习干扰

针对多教师在线策略蒸馏在参数更新时的跨领域干扰,京东联合南京大学提出 Road MOPD,在 Qwen3-4B 的高冲突训练中使医学均分最高提升 8.78 个百分点。

AI思想会
产品应用6

苹果国行AI抢先一手实测:华米OV玩剩下的功能,苹果能做出什么不同?

国行苹果智能已在测试版上线,正式版将于 12 月推送。系统采用端侧原生加阿里千问的混合方案,日常照片消除与录音转写由端侧处理,复杂问答与创作需征求用户同意后调用千问。

智东西
开源动态7

【7.2K Star】Google 基于LangGraph打造全栈Deep Research

谷歌开源Deep Research全栈应用,前端用React(with Vite)和Shadcn UI,后端研究代理用LangGraph,需Redis和Postgres数据库,LLM用Google Gemini,网络搜索用Google Search API,还介绍了Agent执行流程。

CourseAI
产品应用8

Claude Opus 5.5 浪费 token?这 4 步拦住它

本文分享网友总结的实用优化方法,针对Claude Opus 5.5浪费token的问题,给出4个可落地步骤,帮助降低大模型调用成本

AI工程化
开源动态8

Jev 爆了!browser-use 连夜跟进,1 周狂揽 2w star!

本文介绍browser-use推出的开源高速浏览器智能体jev-ultrafast,详解其核心提速原理、功能特性,给出安装教程,提示项目不足,推荐开发者参考。

开源先锋
新闻资讯8

Anthropic推演2030年美国经济:AI时代,钱流向了有钱人

本文解读Anthropic最新AI影响经济研究报告,报告从任务层面建模,设置三种AI发展情景,推演2030年美国GDP、就业与收入分配的变化。

DeepTech深科技
产品应用7

Anthropic重磅更新skill-creator:创建skill全面告别“草台班子”时代

Anthropic升级skill - creator,让普通人创建skill更友好且有效。将测试等机制引入创作,能验证skill有效性。还支持多智能体并行测试、A/B测试,优化触发描述,为未来自然语言定义skill过渡。

AI寒武纪