「高推理密度」共找到 3653 篇相关文章
复杂的Harness Evolution，甚至不如多跑几遍
本文解读AI2与华盛顿大学最新研究，针对热门Agent Harness Evolution方向，通过公平对照实验检验方法真实收益，戳破研究误区，引发对Agent评估标准的反思。
一篇论文改写AI科研评价规则！中国公司拿出实践数据，双榜第一、成本更低
今年科技巨头入局AI4S，想打造“AI科学家”。8月19日《Measuring AI Scientists: From Exams to Discovery》论文提出评价范式。深度原理MIRA平台是现实样本，在评测中表现优异，沉淀闭环数据。
实测吓一跳，gpt-5.6居然比deepseek flash还便宜
上周GPT-5.6 luna打2折，次日梁圣的v4flash正式版发布。经实测，把GPT薅到极致比DeepSeek便宜，还整出无限活力流玩法。Luna max智力分值超Sol high，虽耗时久但成本低。
让沉默三千年的甲骨开口：首个模仿人类专家工作流的辅助释读系统
近日，华中科技大学等联合团队推出首个模拟专家释读流程的人工智能系统AlphaOracle，辅助甲骨文破译。它整合多类资料，形成证据链，经专家评估，有较高评价且能节省分析时间。
一句话搭出9人旅行网站！奥特曼：ChatGPT Work名字起小了
7月26日深夜，奥特曼称用手机让ChatGPT安排长周末旅行，指令跑完了。ChatGPT Work能力强，能处理多种任务，横跨检索、建站等活儿。其底层是Codex技术，有插件、Sites等能力，还能处理家务。
FDE半年涨了321%，AI行业现在最缺的不是研究员
Forward Deployed Engineer（FDE）是当前AI招聘市场增速最快角色。2026年2月4日到7月22日，FDE岗位从28个涨到118个，增长321%，占比从2%升至3.6%。介绍了其市场趋势、雇主、职责、技能和经验要求等。
LLM后训练太烧钱？清华&腾讯有了破解法门：关键是得会Rollout
大模型强化学习后训练中，rollout预算易成瓶颈，且并非所有rollout都有用。清华和腾讯研究者提出TRACE框架，将Agent轨迹视为树，分配预算给易产生“成功/失败对比”的节点，实验显示其效果良好。
给机器人打工了一天，我们体验上了AI时代最魔幻的工作。
本文讲述作者公司小伙伴达达体验给具身智能做数据采集工作的经历。具身智能数据获取难，催生数据采集员岗位。达达面试顺利，工作时先觉新奇，后感手腕酸，日薪200 - 250元，凸显AI进步背后普通人的贡献。
首个长程Doc2Repo训练集！代码Agent不止修bug，开始造仓库
中国人民大学高瓴人工智能学院发布DeNovoSWE数据集，专注长程软件工程任务。它通过特定机制构造高质量数据，为代码智能体长程能力训练提供支持，实验显示能显著提升模型仓库生成能力。
3亿用户的豆包，能做成办公生意吗？｜甲子光年
6月24日，豆包专业版上线，三档定价68元到500元，搭配新模型等功能。它从C端聊天产品转向办公工具，但面临用户心智难改、价格较高等问题，其推出也将影响行业格局，加速C端AI产品免费时代终结。