「可验证推理」共找到 6130 篇相关文章
解锁任意步数文生图，港大&Adobe全新Self-E框架学会自我评估
香港大学与Adobe Research联合发布Self - E框架，可从零训练实现任意步数文生图。它改变训练范式，用两条互补训练信号，在GenEval基准表现出色，让文生图训练更灵活且具扩展性。
NeurIPS 2025｜CAKE：大模型驱动的贝叶斯优化新配方，让黑箱优化更智能、更高效
香港中文大学（深圳）等高校研究人员提出 CAKE 方法，被 NeurIPS 2025 接收。它利用大语言模型动态设计高斯过程核函数，构建自适应贝叶斯优化框架，在多领域实验中效果优，还具备可解释性。
这一年做 Agent 的公司，Coding 赚了钱，客服融了钱，你呢？
全球数据研究机构 CB Insights《AI Agent Bible》报告梳理 Agent 行业概况。指出未来趋势，如语音成主流交互等；分析发展受限问题、有潜力机会；还介绍不同类型 Agent 商业情况及应对推理成本策略等。
突发！arXiv CS新规：未经同行评审，一律不收
arXiv CS板块新规，「综述/调研」和「立场」类论文须经同行评审才可收录。因LLM生成论文激增，此类无实质价值论文增多。但学界大佬对此不满，认为会误杀优质内容，拖慢成果发布。
NTU等联合提出A-MemGuard：为AI记忆上锁，投毒攻击成功率暴降95%
在AI智能体依赖记忆系统的当下，记忆投毒攻击兴起。A-MemGuard作为首个为LLM Agent记忆模块设计的防御框架，通过共识验证和双重记忆结构，解决防御难题，使投毒攻击成功率暴降超95%。
具身智能迎来ImageNet时刻：RoboChallenge开放首个大规模真机基准测试集
近日，RoboChallenge推出全球首个大规模、多任务真机基准测试。它构建开放、公正、可复现的‘真实考场’，为视觉 - 语言 - 动作模型提供评估标准，推动具身智能发展，还提供远程测试服务等。
微信ClawBot有多少人在用？能提效、赚钱吗？
本文针对上线近半年的微信ClawBot，结合公开调研、官方资料，分析其用户规模、应用场景、提效效果与商业路径，解答用户量、提效、赚钱三大核心问题，给出基于可验证据的中立判断。
基于阿里云 AgentLoop 的 DeepSeek Harness 评测实践
本文分享基于阿里云 AgentLoop 平台的 DeepSeek Harness 评测实践。介绍了 DeepSeek Harness 工程架构，阐述 AgentLoop 平台接入方式及价值，还详述评估器设计思路、展示评测结果，最后总结方法论并展望后续工作。
视频版Nano Banana来了！内置Gemini世界知识；原版香蕉出图仅需4秒
谷歌开放Gemini Omni Flash API，将多模态推理与视频生成编辑结合，有4项关键能力，也有局限。Nano Banana 2 Lite出图快且便宜。二者串联使用，图像生成与视频创作可无缝衔接。
【翻译】在 Codex 中使用 Goals：长时间工作的持久目标
文章介绍 Codex 中的 Goals，它是持久目标，能让线程跨多轮对话朝明确结果推进。阐述了 Goals 与普通 prompts 的区别、编写方法、活跃后的变化、设计方式及适用场景等，还通过案例展示其在研究任务中的应用。