「智能体基准」共找到 4125 篇相关文章
AgentIF-OneDay 发布，评估全场景长时复杂任务
红杉中国 xbench 发布 AgentIF - OneDay 评测体系，用于评估大模型解决复杂任务的能力。该体系从任务复杂度新视角出发，沿 Scaling Context 和 Scaling Domain 推进，构造了三类典型任务进行测评，揭示了主流 Agent 的能力边界。
卢宗青团队新作：人类先验打底，统一动作对齐，通用机器人模型正在落地
机器人行业核心问题是让机器在真实世界稳定行动。卢宗青团队论文《Being - H0.5: Scaling Human - Centric Robot Learning for Cross - Embodiment Generalization》给出通用操控路线，系统性解决多形态平台部署问题。
Nature 正刊收录！清华 FIB 实验室揭示：AI 提升科学家个人影响力，却收缩科学整体探索空间
清华大学 FIB 实验室牵头研究表明，AI 在自然科学应用广泛，提升科学家个人影响力，但使科学整体探索空间收缩。研究基于大量论文和人员数据，还提出科研智能体系统 OmniScientist 缓解问题。
苹果重磅官宣谷歌Gemini 将支持 Siri，OpenAI 被边缘化？马斯克比奥特曼还急：这不合理！
苹果和谷歌达成多年合作协议，下一代 Apple Foundation Models 将基于谷歌 Gemini 模型及云技术构建，为 Siri 等功能提供核心支持。此合作引发行业讨论，马斯克质疑权力集中，也影响了 OpenAI 在苹果生态的角色。
告别昂贵人工标注，英伟达全自动视频理解助力小模型逆袭顶级大模型
麻省理工、英伟达等推出FoundationMotion，它是全自动数据生成流水线，能解决运动数据稀缺难题。通过自动标注生成问答数据，让小模型经微调后在运动理解上超越顶尖闭源模型，还介绍了其数据生成、问答设计等环节。
GPT-5.2考赢人类！OpenAI警告：大模型能力已过剩，AGI天花板不是AI
GPT - 5.2在ARC - AGI - 2基准测试超人类，Poetiq系统让其准确率从60%提至75%。OpenAI称大模型进入‘能力过剩’阶段，未来AGI进展不止靠模型，更需人机协同。
谷歌2025年终回顾：Gemini 3领衔，六大领域全线突破
本文回顾谷歌2025年发展，从Gemini 1.5 pro开始有变化，到Gemini 2.5 pro质变。谷歌在模型、产品、创意、科学等六大领域突破，如Gemini 3系列模型表现出色，但Sam Altman仍认为谷歌失败。
AAAI 2026 Oral | 拒绝「一刀切」！AdaMCoT：让大模型学会「看题下菜碟」，动态选择最佳思考语言
多语言大模型面临语言选择难题，现有跨语言推理方法存在缺陷。新加坡研究团队推出AdaMCoT框架，通过自适应路由机制动态选语言推理，提升跨语言事实推理准确性与一致性，效果超越传统方法。
雇佣过目即忘的天才：为什么企业级AI总在浪费钱？| 甲子光年
当下企业级AI缺乏连续性、动态数据割裂，主流外挂RAG的解法无法解决‘认知’问题。红熊AI的‘记忆熊’开源，构建记忆系统结合Agent平台，解决多场景痛点，还将推动记忆科学‘芯片化’。
基于AI大模型的故障诊断与根因分析落地实现
文章围绕基于AI大模型的故障诊断与根因分析展开，介绍项目背景、目标与原理，阐述要解决的运维痛点及技术架构、知识库构建，还提及ReAct模式实现、Dify工作流及ClaudeCode对比，目前根因定位成功率有所提升。