「工程基准」共找到 1647 篇相关文章
具身智能“高考”难疯了！人类100分，最强模型12.8
原推出RoboTwin系列基准的团队带来RoboDojo，这是统一的仿真+真实世界机器人操作评测基准。它设42个仿真任务、18个真实任务，让30个主流策略竞技，结果显示机器人距通用操作差距大。
突破全模态AI理解边界：引入上下文强化学习，赋能全模态模型“意图”推理新高度
在多模态大语言模型应用多元的当下，对模型理解人类意图需求迫切。阿里巴巴通义实验室团队推出HumanOmniV2，解决现有推理路径问题，其相关代码等开源，在多基准数据集成果突破性领先。
阿里搞了个全能解析器，文档、图片、音频、视频一锅端
阿里巴巴开源 Logics-Parsing-Omni，用一个模型统一处理文档、图片、音频、视频四种模态，输出结构化 JSON 数据。它采用三级渐进解析框架，两阶段训练策略，在自建基准上多项指标超越 Gemini - 3 - Pro。
刚刚，字节开源Seed-OSS-36B模型，512k上下文
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。
存量代码库难适配、人机边界模糊？百度拆解Coding Agent企业级落地的硬核解法
本文基于百度资深研发工程师颜志杰在2025 AICon大会演讲整理，剖析Coding Agent企业级落地三大挑战，分享百度“知识体系 + Rules建设”等实践，揭示开发者构建工程配套跨越代际鸿沟的方法。
24小时、78轮实验、持续迭代，AiScientist自己把最优解一步一步逼出来了
中国人民大学高瓴人工智能学院的AiScientist挑战让AI持续推进研究工程。它采用“thin control over thick state”设计，通过分层编排和File - as - Bus等方式，在多任务上表现出色，为AI科研工程补上关键底座。
忘掉《Her》吧，《记忆碎片》才是 LLM Agent 的必修课
文章把电影《记忆碎片》主角莱纳德看作真人版 Agent，结合情节拆解 Agent 上下文工程知识。阐述 Agent 取代 Chatbot 成行业主流，借莱纳德记忆系统说明上下文工程支柱，还指出 Agent 设计漏洞及需反思模块。
股价暴涨32%！GLM-5登顶全球开源第一，25分钟一镜到底搓出完整系统
2026年初，智谱GLM - 5上线，它是全球首个在系统级工程能力上与硅谷巨头正面竞争的开源模型，发布后智谱股价暴涨32%。它能力惊艳，能完成复杂项目，成本可控，还适配国产算力。
大模型Agent的核心还是prompt？ 目前有什么挑战？
文章指出大模型Agent核心并非Prompt，而是工程化架构设计、工作流编排与数据闭环。介绍Flow Engineering等概念及工具，分析规划、记忆、工具使用要点，还谈及开发面临的延迟、稳定等挑战，并给出应对建议。
Agents统一综述：Harness、记忆、Skills和协议
上交大、中山大学等发表长文对LLM Agents中的记忆、Skills、协议与Harness工程进行统一综述。介绍了从权重到上下文再到Harness能力的三次迁移，阐述记忆、技能、协议系统及Harness工程，还分析了模块间耦合。