「子任务级可验证性」共找到 2798 篇相关文章
OpenAI研究大模型对GDP贡献，三大行业已能代替人类，并自曝不敌Claude
OpenAI推出新评估方法GDPval，跟踪模型在现实任务表现。评估显示前沿模型接近专家水平，Claude Opus 4.1表现最佳，GPT - 5准确性出色。还发布黄金子集和评分服务，其处于起步阶段将持续扩展。
谷歌开源新Deep Research范式，教Agent学会真正的思考。
周末谷歌发博客讲Deep Research，它重新定义一些Agent常见范式。现在多数Agent模式缺全局观，谷歌让AI先打草稿再迭代修正。新框架含技巧，在多任务上超OpenAI，已可试用。
大模型训练新突破！Meta提出LSP：无数据也能实现能力飞升
Meta提出语言自我博弈（LSP）方法，利用自我博弈框架让模型自我改进，不依赖额外数据。LSP赋予模型挑战者和解题者身份，引入GRPO和KL散度正则化技术，解决了大模型训练的数据依赖难题。
2.3K Star 霸榜GitHub！DeepResearch最佳开源平替！
DeepResearch能递归拆解复杂任务自动生成报告，但OpenAI的相关产品费用高且闭源。霸榜GitHub的ROMA由Sentient AGI团队开发，性能超Grok - 4等，是开源杀手，还介绍了功能、使用方法和应用场景。
把抖音的研发管理搬到车企，跑得动吗？
飞书项目在深圳新品发布会推出整车研发解决方案，首次明确‘平台化’定位并公开产品架构。其方案覆盖架构整合等四场景，还进行技术升级，如轻应用、Project 4K 计划等，已获车企实践验证。
具身VLA后训练：TeleAI提出潜空间引导的VLA跨本体泛化方法
现有VLA基座模型能力不足，跨本体适配存在挑战。中国电信人工智能研究院具身智能团队提出“对齐 - 引导 - 泛化”（ATE）框架，实现从调架构到调分布的范式转移，适配主流VLA模型，减少数据需求。
基于离散扩散模型的高效音频修复方法
数字音频时代音频易损坏丢失，传统修复法处理长间隙不佳。本古里安大学研究人员提出基于离散扩散模型的音频修复法，经MusicNet数据集实验验证，该方法在各间隙长度上表现优异。
00后打造最强苹果开发Agent！刚刚，OpenAI打包收编
今天凌晨，Xcode最流行的编程Copilot插件Alex被OpenAI收编，团队加入Codex。Alex是Xcode亮眼插件，能实现自动化开发任务。其创始人是00后，经验丰富。OpenAI此举或为扩大在苹果生态影响力。
AI三问：Agent、LLM、RAG，一文厘清！
文章介绍大语言模型（LLM）、检索增强生成（RAG）和AI智能体（Agent）三种架构。阐述其概念、工作原理、应用场景、优缺点，还做了横向对比，给出选用建议，最后提及混合架构与未来趋势。
谷歌：Embedding检索存在根本理论局限，Sparse、Graph才是未来？
近年来稠密向量检索广泛应用，社区认为embedding能‘包打一切’，但谷歌DeepMind从理论与实验指出其存在根本局限。相关实验代码和数据已开源，还给出替代方案。