搜索：推理质量评估

「推理质量评估」共找到 3139 篇相关文章

告别RAG相似匹配！百度Agentic-R为多轮搜索重塑检索器

传统检索增强生成（RAG）有“单跳”局限，多跳推理易出错。人大高瓴与百度提出面向智能搜索的检索器训练框架 Agentic - R，采用双视角打分和双向飞轮模式，在多数据集上表现出色。

现有AI记忆评测存在数据源单一、忽视变化本质、注入成本高等局限。开源学术社区QuantaAlpha联合高校团队提出CloneMem基准测试，构建合成人生，设计评测任务，实验发现简单方法在检索上更有效，记忆系统应还原信息。

Anthropic 持续监测 AI 实际使用情况，在第四份报告提出「经济基本要素」概念，分析2025年11月对话样本，探讨AI提效、任务时长、不同国家应用差异等，还评估职业受影响情况及对经济的总体影响。

2026年CES大会上，英伟达发布DLSS 4.5提升画质与帧生成，RTX Remix助力经典游戏重生，还将NPC变智能伙伴。同时，其软件升级利好AI PC，提升性能、减少显存消耗，让它更接近日常使用。

谷歌Veo 3.1升级，全方位提升视频生成质量，新增竖屏和4K两大特性。它还提升创意、一致性和元素融合能力。谷歌借此进军AI短视频，结合自身优势推动“AI视频竖屏化”趋势。

哈尔滨工业大学等机构团队发表研究，用认知神经科学视角审视AI记忆系统，探讨如何让AI产生“自我”，构建会遗忘、反思、成长的记忆大脑，还涉及记忆分类、存储、管理、评估、防御及未来演进等内容。

UniPat AI 等发布多模态理解评测集 BabyVision，测试显示多模态大模型纯视觉能力仅达三岁幼儿水平。其通过对比实验、细分任务评测，揭示模型系统性缺基础视觉能力，还给出新方向及发展建议。

大型语言模型处理长对话或复杂任务时，记忆管理靠人工规则，效果有限。阿里巴巴团队新论文提出把记忆管理变为可学习的强化学习策略，AgeMem框架统一长短期记忆管理，经三阶段训练，效果显著。

据爆料，DeepSeek计划在2月中旬春节前后发布V4模型，剑指编程王座。其在编程能力、超长上下文代码处理、算法提升、推理能力上有突破，或延续高性价比路线，在受限硬件下靠算法取胜。

雷峰网&AI科技评论邀三位老师探讨“AI大模型金融应用的机遇与挑战”。以Trading Arena大赛为例，分析大模型在金融投资应用，指出打造强逻辑推理“大脑”是金融应用关键，也提及Agent局限与“黑天鹅”预判路径等。