「测试时扩展」共找到 2663 篇相关文章
103K「硬核」题，让大模型突破数学推理瓶颈
现有大语言模型在数学推理训练时面临数据瓶颈，腾讯AI Lab与上海交大团队推出DeepMath - 103K数据集。它规模大、难度高、数据新颖、严格去污染，让DeepMath系列模型达SOTA，还能实现推理泛化。
“AGI 五年内或将实现”：AI 教父 Bengio 呼吁中美达成共识，警惕 AI 沦为人类武器
AI 教父 Yoshua Bengio 在 2025 北京智源大会表示，AI 完成任务时长每七个月减半，约五年后或达人类水平，AGI 或将到来。他呼吁中美达成共识，警惕 AI 沦为武器，还提出构建“Scientist AI”等观点。
Qwen3新成员：Embedding系列模型登场！
今天正式发布Qwen3-Embedding系列模型，专为文本表征等任务设计，继承Qwen3多语言理解优势。在多项基准测试表现卓越，已在多平台开源，有卓越泛化性、灵活架构与多语言支持等特点。
深度研究白菜化？谷歌将Gemini级AI研究能力开源
谷歌推出'gemini-fullstack-langgraph-quickstart'开源项目，用Gemini 2.5与LangGraph结合，可构建本地运行的深度研究智能代理系统。介绍其技术架构、工作流程、开发配置、部署扩展，还展示了现代AI应用开发趋势。
大模型的新战场在推理？——《推理模型综合测评报告 2025》深度解析 | 直播预告
5月29日，InfoQ研究中心发布《推理模型综合测评报告2025》，通过五大维度、五大题型的300道测试题对八家主流推理模型全面测评，还总结各维度表现，梳理技术前置因素与趋势。6月6日有直播解读。
模型宣称的“百万字处理能力”是真本事，还是营销噱头？LongCodeBench揭露真相
近年来大模型号称有百万字处理能力，但这是真本事还是噱头存疑。论文用LongCodeBench测评工具揭开长上下文模型真实表现，测试顶尖模型发现长文本能力‘翻车’，还分析了长上下文难的原因及面临的瓶颈。
Anthropic将在两周内推出新思考模型！
据The Information报道，Anthropic将在未来几周推出Claude Sonnet和Claude Opus两款新模型，能在「思考」和「工具使用」间切换，还可自动测试纠正代码。虽此前产品有不足，但新模型处理复杂任务更出色。
告别「只会相似度检索」：腾讯最新T-Mem让AI学会「联想回忆」
当前大语言模型长期记忆方案均基于相似度检索，存在结构性盲区，无法在无字面/语义相似时召回关联记忆。腾讯团队提出T-Mem，实现AI联想回忆，已被EMNLP 2026接收，代码开源并上线QQ AI伙伴。
构建一个 Agent 只要三分钟，但为什么大多数企业的 Agent 还停留在 Demo 阶段？
文章以 Google Cloud 开发者大会演示引出问题：构建 Agent 仅需几分钟，为何多数企业的 Agent 还停留在 Demo 阶段？指出这背后是治理、运行时等一连串工程挑战的叠加，还介绍了 Google Cloud 相关解决方案。
谢尔盖・布林再次进入「创始人模式」？Google押注「AI自我进化」
据路透社报道，Google联合创始人谢尔盖・布林深度介入AI研发，推动递归式自我改进（RSI）方向。此前Google新一代Gemini旗舰模型发布推迟，内部测试显示在关键领域落后对手，此次调整或为提升研发效率。