搜索：研究型智能体

「研究型智能体」共找到 5056 篇相关文章

2025年了，AI还看不懂时钟！90%人都能答对，顶尖AI全军覆没

AI基准ClockBench测试AI读模拟时钟能力，人类平均准确率89.1%，11个主流大模型最好仅13.3%。研究展示了LLM局限性，分析了可能原因，还对比了不同模型表现及在各类问题上的差异。

Claude Code团队分享产品开发哲学与多智能体协作玩法。其迭代快，靠独特流程：成员用它原型化功能，经内部试用调整。用户使用偏好多样，SDK易用，团队鼓励做自己产品的第一用户。

本文分享阿里团队实践，用AI开发工具Cursor结合Claude模型，10天重构超3000行前端组件实现跨端复用。介绍代码辅助、测试用例生产、代码智能生产经验，提出新开发范式，强调规范和人工校验重要性。

普林斯顿和伯克利研究定义“机器胡扯”，指出大模型胡扯问题。蚂蚁集团旗下蚂蚁密算在2025 WAIC提出高阶程序（HOP）框架，为大模型注入规则，还开源此框架，其在多行业场景应用效果良好。

莱斯大学、约翰斯・霍普金斯大学和英伟达研究团队有颠覆性发现，让多模态大语言模型玩简单游戏，无需数学样本，就能显著提升其多模态推理能力。提出的ViGaL方法在多个基准测试中表现出色。

本文探讨AI Agent如何通过多智能体协作系统打造0day漏洞“生产线”，实现自动化漏洞检测。经测试和实战验证，Agent在复杂代码和大型项目中表现超传统工具，提升了漏洞识别效率与准确性。

2026年6月27日，TGO杭州十周年庆·GTLC全球科技领导力大会杭州站举办，近二十位嘉宾从多领域分享。如汪源指出智能体上下文工程是瓶颈，许式伟称AI是企业“外挂”等，还有创业者展示产品。

近年来，Coding Agent 发展迅速，「AI 软件工程师」渐成现实。但目前缺少系统评测其从设计稿开发产品能力的公开 Benchmark。为此，多校研究团队推出 VISTA，可多维度评测 Coding Agent 开发能力，且持续更新。

星尘智能发布T1新品，价格8.99万元起，6月发货。它强调商业化能力，能「一机多用」，打穿多场景。星尘自研「AI模型 - 具身OS - 绳驱本体」架构，已量产，订单多，领先同行。

上海人工智能实验室等联合研究质疑了‘SFT倾向于记忆，RL实现泛化’观点，指出SFT泛化是条件性现象，受优化动态、训练数据、基模型能力影响，还揭示长思维链SFT会带来安全性能退化。