「工程团队管理」共找到 4404 篇相关文章
港中文联手美团开源“视觉推理通才”!图像视频10类任务一网打尽
香港中文大学MMLab与美团研究团队开源OneThinker模型,它可覆盖图像与视频十类核心视觉任务,在31项测试中表现出色,还展现泛化能力。研究团队搭建数据集,并引入EMA - GRPO算法提升训练稳定性。
画质重生,第一!腾讯TEG香农实验室斩获CVPR 2025 UGC Video Enhancement 冠军
CVPR NTIRE是计算机图像恢复与增强领域有影响力的赛事。在NTIRE 2025 UGC Video Enhancement中,腾讯TEG香农实验室团队自研算法夺冠,成果落地提升视频清晰度。团队还参加实时赛道获佳绩,且做了硬件推理优化。
AI数据工程师在应用中如何"返璞归真"
文章反思‘知识库+Prompt工程+工具调用’轻量级Agent构建模式局限,指出其难应对知识质量、语义理解与规模化维护挑战。提出从‘Prompt驱动’到‘上下文工程’、从‘搭积木组装’到‘全链路闭环’的范式跃迁,并介绍MktAI知识体系建设。
千问负责人突然离职,阿里回应
3月4日凌晨,千问团队核心人物林俊旸突然宣布卸任,引发业内关注。其离职时间点较突然,且前后千问团队还有其他核心成员变动。3月5日,阿里巴巴CEO吴泳铭回应,称公司将坚持开源策略,加大AI研发和人才吸纳。
震撼!0人类,16个Claude全自主开发,2万美元十万行代码成功运行Linux
Anthropic研究员用Claude Opus 4.6智能体团队自主编写超十万行代码的C语言编译器,能运行《毁灭战士》、编译Linux内核。团队用拉夫循环等机制让Claude自主开发,虽有局限但全自动软件开发时代已提前降临。
刚刚,腾讯姚顺雨署名首篇论文发布,「下半场」先搞上下文学习
腾讯混元团队和复旦联合团队发布姚顺雨署名首篇论文《CL - bench》。论文证实模型在上下文利用上有能力短板,还构建了CL - bench评测基准,评估发现前沿模型在上下文学习上表现差,未来要让上下文学习走向现实。
Agent从一问一答到自主执行面临哪些挑战?
随着AI发展,Agent正从答疑助手走向自动执行任务的数字人,定时调度是其走向自主运行的关键。开源Agent定时任务存在无高可用、运维成本高、权限管理弱等痛点,阿里云MSE AI任务调度有高可用、统一管理等优势,现免费公测。
并购激励金都不要了?全程踩中AI Coding,Windsurf核心工程师离开DeepMind
AI Coding 赛道核心工程师 Ronak Malde 离开 Google DeepMind,还放下后续经济激励。他曾参与 Codeium、Windsurf 相关项目,在 DeepMind 推进 Agentic Coding 研究。离职之际他总结心得,下一站备受关注。
吴恩达来信:利用编程智能体实现更高效开发
吴恩达认为编程智能体正加速各类软件工作,按加速程度排序为前端开发、后端开发、基础设施、研究。前端开发加速明显,后端开发有提升但幅度小,基础设施和研究方面加速有限。
所有AI工具共享记忆!MCP协议杀疯了:100%本地运行,Cursor、Claude都能用
当下多数AI工具各自独立运行,会话结束上下文即消失。OpenMemory MCP能解决AI工具记忆痛点,实现不同工具间共享上下文信息,支持100%本地运行,有跨平台支持等丰富功能。