「复杂任务生成」共找到 4343 篇相关文章
小模型推理极限在哪里？微博开源3B小模型，比肩顶级闭源
微博新开源的VibeThinker - 3B小模型，将特定能力维度性能推向极限。它在数学竞赛、编程等可验证推理基准上表现优异，成绩直逼顶尖大模型。其训练流程层层叠加，还提出参数压缩 - 覆盖假说。
全球SaaS危！AaaS成主流，Claude 抄中小企业软件的老底了
Claude推出Claude for Small Business，能接入企业常用工具，自动处理常规业务。其操作丝滑、免费使用、安全合规，功能覆盖小企业主日常软件使用场景，定位低价，或颠覆SaaS市场。
商汤SenseNova U1深度拆解，原生统一架构终结缝合时代
文章深度拆解商汤科技开源的新一代模型「日日新 SenseNova U1」，介绍其基于 NEO - Unify 原生统一架构，在数据、训练与推理深度协同，多维度测试成绩亮眼，代表多模态从拼接走向原生建模新方向。
黄仁勋100万亿预言兑现！易鑫Voice Agent落地，汽车金融迎效率革命
2024年GPT - 4o问世后，Voice Agent创业公司涌现，但通用方案在金融等场景「水土不服」。易鑫深耕汽车金融，自研工业级Voice Agent系统，采用Model + Harness方法论，实战数据亮眼，还将向泛金融领域延伸。
超越Claude Mythos和GPT-5.5！斯坦福Agent验证框架拿下SOTA，Transformer作者转发
斯坦福、伯克利与英伟达联手打造LLM-as-a-Verifier验证框架，该方法是通用验证机制，可与任意Agent Harness和模型结合。研究表明扩展验证阶段计算量，能提升Agent整体性能，在多基准测试中超越Claude Mythos和GPT - 5.5。
刚刚，Claude Code 推出 Routines，让 AI 自动帮你值夜班
Claude Code 上线 Routines 新功能，支持定时、API、GitHub 事件三种触发方式，可叠加使用。它跑在云端，接入外部连接器，面向所有付费用户开放，目前处于 Research Preview 阶段。
Harness Engineering 时代的失败经验
作者分享在Harness Engineering时代使用Coding Agent的经验，指出虽Agent发展快且有成功案例，但实际应用有诸多问题，如部分模型体验差、自然语言模糊影响长程工作等，还给出解决思路，文章会持续更新。
EvoSkills：自进化的skill，是好skill
文章分享两项Agent Skill最新研究论文，指出智能体技能从手工制作向自动进化转变。介绍EvoSkills和EvoSkill两种自动化Skill进化方案，对比其机制、验证方式等，还提及未来研究方向。
让AI自动构建AI模型：UCSD 推出 AIBuildAI 智能体，斩获OpenAI MLE-Bench榜单第一
近日，加州大学圣地亚哥分校研究团队开发 AIBuildAI 智能体，可全自动构建 AI 模型。它在 OpenAI MLE - Bench 基准测试 75 个任务上以 63.1% 获奖率居榜首，实现端到端自动化。
Suno、Udio都被它干翻！中国AI音乐模型拿下AA全球榜单双料冠军
昆仑万维旗下 AI 音乐大模型 Mureka V8，在 Artificial Analysis 榜单上登顶 vocals 和 instrumental 双榜第一，超越国际主流模型。实测亮点多，其技术进步显著，V9 也将解决表达偏差问题。