「智能体基准」共找到 4115 篇相关文章
牛津、NUS提出下一代世界模型方向：心智世界模型来了
牛津大学和新加坡国立大学研究团队提出心智世界建模（MWM）通用框架，将心智变量纳入世界状态。还实现基准系统 MENTIS 验证其有效性，实验表明 MWM 对预测人类决策必要，瓶颈是状态转移模拟能力不足。
别再纠结选哪个模型了，这个项目让它们一起干活！豪赠1亿token，羊毛薅起来！
元脑企智 EPAI 推出「多模融合」API，让多个模型围绕同一任务协同工作。经代码生成、财务分析等测试及权威评测，效果出色。还采取智能调度等策略，现限时申请可免费使用，豪赠1亿token。
ICLR-26腾讯混元：Agent是强大的，但用户是狂野的
现有LLM工具使用基准测试场景理想化，忽视真实用户行为复杂性。腾讯提出WildToolBench，基于真实用户行为构建测试集，对58个模型评估，发现模型准确率低，揭示LLM在真实场景下能力缺口，为模型优化指明方向。
字节开源版Seedance发布，超越Sora 2！
字节Alive团队发布开源版Seedance 2.0，在人类评估中超越Sora 2等。它通过统一架构、时空对齐技术和非对称训练策略，解决声画不同步和画质音质难两全问题，还建立数据流水线和测试基准。
罗福莉C位亮相小米，离职DeepSeek后首次官宣
罗福莉今日官宣加入小米任MiMo团队负责人。此前就有她被雷军高薪挖到小米的传闻。她学术成果出色，曾在阿里达摩院、DeepSeek工作。小米MiMo剑指空间智能，与雷军的人、车、家全生态适配。
OpenAI引爆新赛道：AI不再卖技术，而是卖「活人感」！
一段小女孩与AI玩具深情告别的视频走红，揭示对话式AI融入人类情感世界。声网Convo AI&RTE 2025大会指出对话式AI将成下一代AI Infra重要部分，情感陪伴、智能硬件、在线教育将率先规模化落地。
刷新SOTA高出19.05分！英伟达开源OmniVinci全模态理解模型，只用1/6的数据，实现全方位超越
英伟达研究团队发布OmniVinci研究，该全模态理解大语言模型用六分之一训练数据，在全模态理解基准测试成绩超现有顶尖模型19.05分。它靠创新架构和数据策略实现效率与性能双突破。
斩获5.5K star！！AI 加持到位，安全感拉满，这个升级版开源知识库神器太顶了！
两个月前分享的开源AI知识库项目PandaWiki，迭代速度惊人。此次更新多个大版本，编辑器体验提升，AI成智能客服，支持20+家模型供应商，还优化团队协作功能和诸多细节，更成熟实用。
LLM总是把简单任务复杂化，Karpathy无语：有些任务无需那么多思考
随着推理大模型和思维链普及，大模型有了‘深度思考’能力，但现在有些偏科，简单任务也复杂化。AI大牛Andrej Karpathy发长文指出该现象，认为是基准测试优化所致，大模型发展不能只追求分数。
全新唇同步技术OmniSync，遮挡，侧脸不在话下
唇同步对创建逼真视频内容很重要，但现有方法在身份一致、姿势变化等方面有局限。中国人大携手快手提出OmniSync，引入无需掩膜的训练范式，保证身份和姿态一致，能适应复杂场景，还建立AIGC - LipSync基准。