「真实世界测试」共找到 2937 篇相关文章
AI仅凭“自信”学会推理，浙大校友复刻DeepSeek长思维链涌现，强化学习无需外部奖励信号
UC Berkeley团队提出新训练方法Intuitor，大模型无需接触真实答案，仅优化自身信心就能学会复杂推理。该方法无需外部奖励信号或标注数据，用模型自身置信程度作内在奖励信号，在多任务表现良好。
微软开源浏览器Agent，可实时跟踪、控制智能体，超4000颗星
微软在官网开源用于浏览器网络任务的Agent——Magentic - UI，基于Magentic - One开发，支持人机协同。GAIA测试显示其能提升任务完成率和准确率。它以人为本，有独特机制，框架含多阶段，在Github超4000颗星，支持MIT许可证商用。
无需训练！让VLM同时具备「视觉」与「推理」能力，数学题得分暴涨30%
当前视觉语言模型（VLM）像‘视力好但数学差的学生’，论文指出问题根源是数据不足和能力分布不均。提出‘模型合并’方案，实验显示在数学基准测试中表现亮眼，还通过实验揭示层间能力分布。
陈大年复出，入局大模型
国产大模型领域黑马StartLux-V1.0-27B-Preview，参数量仅27B，在信通院MCP测试中排综合第二，仅次于1.6万亿参数量的DeepSeek-V4-Pro。其创始人陈大年押注本地模型，公司专注该领域商业化。
人形机器人开始打国球了！两台机器人完整打完11分制比赛
第二届世界人形机器人运动会8月22 - 26日将在「冰丝带」举行，港大超维战队的两台人形机器人按11分制自主打完一局。其采用自主研发的SMASH 2.0系统，团队还探讨技术难点、系统升级等问题。
林俊旸Agent创业首次亮相，腾讯已投
前Qwen一号位林俊旸官宣创业公司Pragmatik Labs，方向为做横跨数字与物理世界的下一代Agent。公司获高榕、红杉、腾讯等投资，投后估值达20亿美元。虽无产品模型，但凭借林俊旸过往成绩受关注。
李飞飞第一篇「触觉」论文：机器人会盲摸麻将了
李飞飞等全明星阵容关注灵巧手研究，提出T-Rex模型。其通过给触觉单独开通路等方式解决触觉加入难题，在真实任务中表现出色，还为灵巧手领域带来从机身分化、启发专用场景应用等变化。
3B小模型，编程得分比肩Opus 4.5，神秘模型引发热议，原是国产
最近，3B小模型VibeThinker - 3B在X上火了，它在编程等推理任务上比肩前沿大模型，体积却小很多。它是国产模型，来自新浪微博团队，在各项基准测试表现出色，不过在通用知识领域表现欠佳。
从数学思维到AI睡眠，于大川在千亿赛道的第二次“白魔法”创业｜甲子光年
于大川曾创办豌豆思维，“双减”后他“半退休”。如今他重启创业，创立豌豆智能，想用AI改善人类睡眠。该公司已获君联资本天使轮融资，于大川分享了创业思路、产品模式、团队组建等内容。
谷歌掀桌：深度研究智能体进入自动驾驶时代
4月末谷歌DeepMind推出两款基于Gemini 3.1 Pro的AI研究智能体，标准版重速度，增强版求详尽。Max版在多测试获SOTA得分，能自主研究课题出报告，还可融合数据、生成图表，已开启公开预览。