「任务性能」共找到 3565 篇相关文章
AI牛马实现“干中学”！上海AI Lab联合推出智能体自我进化新框架
上海人工智能实验室等研究者提出MUSE智能体框架，让智能体实现“干中学”。它围绕分层记忆模块，通过先做、再反思、然后进化，解决现有智能体痛点，实验表现出色，还展望了未来优化方向。
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。
自主金融研究智能体
Dexter是自主金融研究智能体，会思考、计划和学习。它能将复杂金融问题转化为研究计划，利用实时数据执行任务、自我验证。介绍了其核心能力、安装使用方法、架构、项目结构、配置等。
谷歌 Java 代理开发工具包新增 LangChain4j 集成
谷歌 Java 代理开发工具包（ADK）0.2.0 版本集成了 LangChain4j，显著扩展功能，让开发者能使用更多模型。谷歌开发者 Guillaume Laforge 解释其优势，ADK 还引入系列增强提升性能。
NeurIPS 2025 Spotlight | PhysX-3D：面向真实物理世界的3D资产生成范式
论文由南洋理工大学 - 商汤联合研究中心 S - Lab 及上海人工智能实验室合作完成，提出首个系统性标注的物理基础 3D 数据集 PhysXNet 及扩展版 PhysXNet - XL，还提出 3D 生成框架 PhysXGen，实现从图像到真实 3D 资产的生成。
OpenAI DevDay重磅新品曝光：Agent Builder来了！拖拽即可构建AI应用
OpenAI将在10月6日DevDay推出Agent Builder，用户能通过可视化画布拖拽构建AI智能体工作流，连接模型、工具等编排任务。其对手是n8n、Zapier，可集成第三方服务，降低AI应用开发门槛。
2.12页/秒，MinerU2.5太快了，1.2B硬刚腾讯、阿里
GPT - 4o等刷新OCR榜单，但产业界仍面临文档图像处理难题。MinerU2.5提出1.2B轻量级文档解析模型，采用创新解耦范式，在多基准测试表现出色，单卡吞吐快，还给出可借鉴创新点。
新版 Android 插件登场，应用能瘦身 50%，Google 把代码优化和资源压缩合二为一
Google在新版Android Gradle Plugin引入资源压缩优化方案，合并代码优化与资源压缩。新方案让应用体积最高缩减50%，开发者有四种优化方式可选，AGP 8.12.0已提供该流程，AGP 9将默认开启。
AIME'25满分炸场！Qwen一波七连发，全家桶大更新
云栖大会上，通义团队成果丰硕。Qwen3-Max性能提升，数学评测满分，多测试成绩优异；Qwen3-VL、Qwen3-Omni等开源，各有亮点；Qwen3-Coder升级。吴泳铭称要发展超级人工智能。
马斯克转发字节Seed&哥大商学院新基准：大模型搞金融，连查个股价都能出错
字节跳动Seed团队与哥大商学院推出开源金融搜索与推理基准测试FinSearchComp，含635个问题。评测显示大模型处理金融任务有差距，凸显金融AI能力评估重要性，还揭示了关键能力差距。