「推理任务」共找到 3610 篇相关文章
Claude不到4%，全军覆没！一场大考撕碎Agent「全自动办公」幻想
新智元报道，UniPat AI的SaaS - Bench实战考卷，用23个真系统、106个任务测试Agent。结果显示，Claude Opus 4.7完全通过分数仅3.8%，多数模型全军覆没，暴露了Agent在真实环境中的四种致命缺陷。
英伟达为何持续押注VASTData？AI存储正在成为新的“算力”｜甲子光年
AI产业曾聚焦GPU，如今数据存储设施重要性凸显。VAST Data完成约10亿美元F轮融资，估值300亿美元，英伟达持续跟投。它重构AI数据基础设施，国内焱融科技有相似技术路线且具自主可控优势。
超150位全球AI一线技术专家齐聚巴黎，这场大会到底聊了些什么？｜GOSIM Paris 2026圆满收官
5月6日，GOSIM Paris 2026进入第三天，议程转向技术实践。超150位全球AI专家齐聚，探讨模型推理优化、开源社区治理等。Niko Matsakis等分享前沿观点，还有五大主题论坛及工作坊，展示开源AI生态成果。
大模型能复刻这些系统吗？ProgramBench给出了残酷答案
斯坦福NLP组发布ProgramBench，用200个完整代码库重建任务测试主流大模型，要求模型仅根据可执行文件还原如SQLite等项目完整代码，结果所有模型实际解决率为0%，说明模型更擅模仿代码表面结构。
AI学会梦里干活！Claude发布3大进化，Dario：单人公司10亿美金爆发
在 Code with Claude 大会上，Anthropic 为 Claude Managed Agents 上线三项功能。‘做梦’解决记忆退化，成果评估自动检查工作，多 Agent 协作让复杂任务分工处理。Dario 称 AI 时代单人公司或达 10 亿美金营收。
养了只东北味熊猫当AI合伙人，一口一个老铁，还真帮我开了家「一人公司」
腾讯ima上线copilot模式，可“领养”小熊猫并设定人设风格，成专属知识伙伴。它不分对话和任务模式，知识库功能实用，还能私人定制。作者用它模拟创业，体验良好，其记忆和全场景感知实用。
Lovart第一时间上线Image 2：每个人真的可以瞬间拥有一个设计部了
Lovart上线Image 2，有去AI味的写实感、强大文字生成与泛化推理能力，完爆Nano Banana 2。它结合独家工作流，带来设计体验飞升，还给出五个使用场景案例，并对比了与Claude design的差异。
Meta-Harness：让AI 改进自己的Harness
斯坦福IRIS实验室Yoonho Lee团队推出开源框架Meta - Harness，让AI自我优化流程。它像给AI用的‘时间机器’，记录源代码、执行轨迹和评估分数。在任务上表现出色，但也面临耗时、数据爆炸等挑战。
开源模型首超Opus4.6！智谱GLM-5.1登场，14小时后CUDA专家被冲了
智谱开源模型GLM - 5.1带来重大突破，14小时完成CUDA Kernel优化，加速比大幅提升。它解锁与顶尖闭源模型Claude Opus 4.6全面对齐，在多测试中表现优异，展现长程任务能力，改写行业叙事逻辑。
刚刚，Anthropic首超OpenAI！暴买谷歌TPU，Claude杀疯了
Anthropic与谷歌、博通合作打造3.5 GW TPU集群，预计2027年上线。其年化收入破300亿美元首超OpenAI，客户呈指数级增长。但训练和推理成本高，与OpenAI都在冲刺IPO，竞争激烈。