「通用推理能力」共找到 5067 篇相关文章
两份报告，两种 PMF：ChatGPT 跑通了 Copilot，Claude 验证了 Agent
OpenAI和Anthropic发布核心产品使用报告，展现ChatGPT和Claude用户心智差异。ChatGPT像Advisor，以询问、写作为主；Claude似Agent，随模型能力提升，用户倾向用其执行自动化任务。
DeepSeek新模型意外曝光：AI Agent才是未来~
据彭博社消息，中国AI新星DeepSeek计划年底发布对标OpenAI的AI Agent，能自主执行多步任务、自我学习进化。国内Kimi、Qwen也有相关动作，还分享了72多种高效AI工具。
杜克大学、Zoom推出LiveMCP‑101：GPT‑5表现最佳但未破60%，闭源模型Token效率对数规律引关注
杜克大学与Zoom研究者推出LiveMCP - 101，这是针对真实动态环境的MCP - enabled Agent评测基准。含101个任务，实验显示先进模型成功率低于60%，研究为提升Agent能力提供改进方向。
国产大模型持续开源的一周：DeepSeek、Qwen、字节、书生~
国产开源大模型持续发力，本周DeepSeek V3.1、字节Seed-OSS-36B等接连发布。此外，马斯克xAI正式开源Grok 2.5，英伟达也开源了Nemotron-Nano-9B-v2。PaperAgent专题进行了梳理盘点。
追剧不断网，可能背后有个AI在加班，故障诊断准度破91.79%
中兴通讯和中国移动团队针对电信网络故障诊断难题，提出 TN - RCA530 基准和 Auto - RCA 框架。测试多个大模型，初始准确率低，经框架优化后，Gemini - 2.5 - Pro 准确率从 58.99% 升至 91.79%，超人工水平。
JinaVDR: 一个图文混排文档搜索任务的基准集
现有文档检索基准大多只考虑纯文本，难以处理含图表等视觉信息的文档。JinaVDR 应运而生，它是图文混排文档搜索基准集，含多语言、多领域数据，可评估模型在复杂视觉文档的检索性能。
刚刚，清华团队用27M参数击败o3-mini！或将改变AI发展方向
清华大学研究团队发布论文，展示Hierarchical Reasoning Model（HRM）。该模型仅27M参数、1000个训练样本，在推理任务上击败OpenAI的o3 - mini - high，或改变AI发展方向。
6小时复刻AI IMO金牌成果，蚂蚁多智能体新进展已开源
2025年IMO赛场，顶尖大模型起初表现不佳后有突破。蚂蚁AWorld项目团队6小时复现并开源DeepMind解题结果，给出可一键运行系统。AWorld证明多智能体协同优势，还介绍复现思路、核心优势及体验方式。
清华-腾讯联手：音频 - 视觉多模态任务统一框架
Crab是人大、清华和腾讯合作论文提出的模型，目标是高效一统多模态场景理解任务。它解决了音频 - 视觉理解模型任务干扰、合作显式化不足等难点，通过构建数据集、设计结构和统一架构实现多任务合作。
不死的程序员
文章回顾计算机技术演进中八次“程序员替代论”浪潮，从编译器诞生到如今大语言模型崛起。虽每次都预言程序员被取代，但实际是角色重塑、分层，新需求增长超人力节省，程序员价值仍在。