「非推理任务」共找到 4117 篇相关文章
EvaLearn：AI下半场的全新评测范式！
OpenAI研究员指出传统基准测试难衡量AI实际效用。复旦大学与字节跳动等团队提出全新评测范式EvaLearn，以连续问题求解为核心，构建问题并设评分标准，对九个前沿大模型研究有诸多发现。
Kimi K2官方技术报告出炉：采用384个专家，训练不靠刷题靠“用自己的话再讲一遍”
Kimi K2官方技术报告公开称霸全球开源模型的秘籍，介绍其训练过程及“秘密配方”，包括MuonClip优化器、大规模Agentic Tool Use数据合成等技术亮点，还提及后阿里通义Qwen3更新击败Kimi K2。
烧钱换能力，老员工经验作废！一线Agent厂商、用户经验亲述：抛弃技术驱动，巨额投入如何不打水漂？
InfoQ 对话来也科技 CEO 汪冠春、英科医疗 CTO 陈坤，从产品提供商和应用方角度，讲述 Agent 产品理念与应用策略。探讨定位、转型、挑战等，还提及成本、未来设想与出海经验。
「0污染」LLM理解基准来了！20000道题14个学科全覆盖，来自微软
MMLU-CF是微软亚洲研究院推出的无污染多任务语言理解基准测试，含20000道题、覆盖14学科。通过去污染规则和闭源测试集防数据泄露，保证评估结果可靠，已在Huggingface开放。
迟到3个月的美图Agent，RoboNeo居然有一些惊喜？
美图公司推出专注影像与设计的AI智能体RoboNeo，虽来得有点迟，但实战测评中它和星流Agent各有优劣。星流是光影与排版“偏科生”，RoboNeo是细节与执行“实干派”，适配不同需求。
OpenAI 离职员工爆料公司压力巨大发展速度惊人
前OpenAI员工Calvin回顾工作经历，称其发展极快、压力大。公司依赖Slack沟通，自下而上创新，重能力而非政治。还提到技术栈、安全关注重点等，认为OpenAI、Anthropic和Google是AGI赛道主力。
Claude Code完整技术栈都被扒出来了，Multi-Agent架构~
analysis_claude_code项目对Claude Code v1.0.33逆向工程分析，含混淆代码技术分析等。发现实时Steering机制、多Agent架构等，为AI agent系统设计实现提供技术参考，还介绍系统架构创新点。
性能暴涨50%！谷歌、微软、OPPO 联手开源Agent “经验炼金术”
谷歌DeepMind、微软研究院、OPPO等机构开源`AGENT KB`项目，提出并实现“AI经验库”概念。它有“师徒模式”工作流，设计了从“原始日志”到“结构化经验”的构建流程，应用时分层调用知识，能让Agent性能飙升。
最新 AGI 暴论：强化学习的「GPT-3 时刻」实现，还需要 1 万年？
国外AI初创公司Mechanize三位创始人联合撰文称，RL或迎“GPT - 3时刻”，但需数千至上万年“模型处理任务所用时间”训练。还提出“复制训练”新范式，能磨炼模型能力，补足短板。
OpenAI最强对手出现！马斯克发布Grok-4，性能碾压Claude 4两倍！
半小时前马斯克发布Grok - 4，虽Grok3.5跳票、直播迟到被吐槽，但它训练量和算力投入大。在多项基准测试中碾压Claude Opus 4，还具备原生工具调用等能力，xAI目标是让其更快更智能。