搜索：策略性能提升

「策略性能提升」共找到 4644 篇相关文章

字节发布全球首个预测未来基准FutureX，Grok-4 拿下冠军

字节跳动发布全球首个实时未来预测基准测试FutureX，杜绝模型作弊。在25个模型评测中，Grok - 4夺冠。它从多网站构建问题，分四级难度。人类专家在部分等级仍领先AI 。

8月20日，中科院和工程院公布2025年院士增选有效候选人名单。清北浙领跑，最年轻候选人39岁。人工智能地位提升，机器人技术成优先支持学科，反映国家对新兴领域的重视。

深夜，字节跳动Seed团队开源Seed-OSS系列模型，含三个版本。其用12万亿tokens训练，在多基准测试表现出色。有灵活推理预算控制等特性，原生支持512K上下文窗口，基准测试成绩佳。

8月18日，百度文库联合百度网盘发布全球首个全端通用智能体「GenFlow2.0」。它支持超100个专家智能体并行工作，解决描述难、等待久等问题，还打通百度生态资源，兼容MCP协议，接入荣耀智能助理。

胜宏科技董事长陈涛白手起家，带领公司深度绑定英伟达等头部客户。2024年营收超107亿，市值半年涨1300亿。今年公司积极融资扩张，同时高管减持引投资者担忧。

Grab基于Temporal构建新的GrabUnlimited架构，增强用户体验，将订阅平台生产事件减少80%。原架构用SQS和Redis，随订阅者增多问题频出，新架构利用Temporal特性解决诸多难题。

Trivy是开源安全扫描工具，支持扫描容器镜像等目标，识别CVE漏洞等风险。它有6大突出功能，技术优势明显，还给出使用示例、应用场景，与传统工具对比优势显著，适用于全生命周期安全分析。

本文指出反思技术虽简单有效，但在多种LLMs和任务中会失败。清华团队剖析其在开源和闭源LLMs、四种任务上失败原因，提出轻量级缓解方案，为反思技术可解释性研究奠基。

非营利性 AI 调研机构「METR」对 AI 编程工具影响开发者效率进行随机对照实验，结果意外：开发者本坚信提速 20%，实测却慢 19%。还分析了原因，指出调研局限与未来展望。

上海人工智能实验室AI4S团队推出SFE评测基准，首创三级评估体系，涵盖五大科学领域66项任务。评测显示主流MLLMs在高阶科学任务有挑战，不同模型、学科表现有差异，还构建了SciPrismaX平台推动AI科学评估生态发展。