「X - BENCH」共找到 466 篇相关文章
智谱GLM-5.1深度评测：8小时连续工作，开源大模型进入"工程交付"新纪元
2026年4月8日智谱发布GLM-5.1，它是全球首个通过真实工程任务验证8小时持续工作能力的开源模型，在SWE-Bench Pro上超越GPT-5.4等登顶。该模型性价比高、技术创新多，还适配国产硬件，开源生态友好。
都说记忆是Agent标配，但MemSyco发现漏算了一件事
厦门大学与吉林大学的最新研究指出，随着大模型Agent具备长期记忆，虽成为“长期协作者”，但也出现Memory-Induced Sycophancy问题。为此提出MemSyco - Bench评测基准，经实验得出多项发现，指出Agent Memory关键瓶颈转变。
真正面向大模型的AI Infra，必须同时懂模型、系统、产业｜商汤大装置宣善明@MEET2026
商汤大装置副总裁宣善明在MEET2026大会分享进展，强调大模型时代AI Infra要解决算力高效支撑问题。商汤战略“1+X”，大装置有优势，算电协同成果好，还推动国产化适配，产业落地成果多。
国际头部高校联名发布 Agentic AI 的真正进化论
目前从‘LLM’向‘Agentic AI’跃迁，Agent实操能力不足。论文《Adaptation of Agentic AI》梳理领域情况，提出2x2象限框架，介绍优化Agent及工具的方法，还提及局限和未来方向并给出战术建议。
本周推荐的5个yyds的Github开源项目！
本文推荐 5 个 GitHub 开源项目，有给容器提供 GUI 支持的 x11docker、AI 证件照制作工具 HivisionIDPhotos、仓库可视化工具 GitDiagram、英语学习应用 TypeWords 和自托管记账应用 ezbookkeeping，各有特色功能。
代码榜刷满分，AI科研却撞墙？140道真实研究题撕开「自进化」真相
新工作MLS - Bench覆盖12领域、140个研究任务，评测前沿模型科研能力。虽模型工程执行强，但科学发现能力弱，当前仍难提出有效算法创新。其评测已纳入Kimi K3和Qwen3.8 - Max官方发版表。
马斯克的xAI以1130亿美元估值，出售3亿美元股权
金融时报消息，马斯克旗下xAI正以1130亿美元估值出售3亿美元股权，细节未全披露。若融资成功，其估值将跻身全球前列。xAI成立于2023年，获巨额融资，与X合并，产品Grok AI功能丰富。
马斯克开源新模型：能实时抓取社交平台数据，20万块H100训练
马斯克旗下xAI开源去年最佳模型Grok - 2.5，6个月内还将开源旗舰模型Grok 3。Grok - 2.5可实时抓取社交平台X数据，用超20万块H100训练，性能超GPT - 4o等，应用场景广泛。
最大全电动飞机首飞成功，飞行半小时电费5美元，这家初创想做航空业的特斯拉
8月12日，初创公司Heart Aerospace制造的最大全电动飞机X1首飞成功，飞行约27分钟，电力消耗仅约5美元。公司想用电动飞机替代30 - 50座支线飞机，其后续发展受电池技术、成本等因素制约。
蚂蚁EGSS算法破解Test Time Scaling困局 | ACL 2026
蚂蚁集团CodeFuse团队在ACL 2026主会论文中提出EGSS算法，破解Test Time Scaling困局。该算法精准识别高不确定性决策点，解决计算冗余与选择脆弱问题，在SWE - Bench - Verified上全模型提升5 - 10%。