「智能体基准」共找到 4131 篇相关文章
华人团队终结Token危机：扩散模型数据潜力超自回归三倍
最新研究发现，token数量受限下，扩散语言模型数据潜力超自回归模型三倍多。一个1B参数的扩散模型用1B tokens训练，在基准测试取得不错准确率，且未现性能饱和。
2025年最戳心的纪录片：程序员的变与不变，太真实了
文章围绕《十字路口》纪录片，讲述开发者在 AI 时代的变与不变。AI 使开发权下沉，传统开发者角色被重新定义。纪录片记录开发者蜕变，展现其在行业变革中的选择，揭示技术革命中“人的价值重构”。
推理路径的动态调控：让大模型学会“恰到好处”的思考
当前大模型推理路径存在冗余问题，本文提出测试时提示干预框架PI（π），通过《When/How/Which》三模块协同，将人类专家经验融入推理过程，在多个STEM基准测试中缩减推理步骤、提升准确率。
半量工具，双倍效能：ARPO革新大模型强化学习
大语言模型在多轮工具调用场景有挑战，传统强化学习算法有探索效率低和资源消耗大问题。本文提出ARPO，通过量化token熵分布变化设计自适应探索机制，降低工具调用成本且提升多轮推理性能。
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。
WAIC现场最“聪明”展台！AI眼睛耳朵能力全打开了
WAIC现场，声网展台被观众挤爆，其新奇“AI玩具”都能与玩家流畅对话。声网对话式AI引擎全新升级，新增选择性注意力锁定、视觉理解能力，能与主流数字人方案集成，还可接入大模型，价格低。它已在多领域落地。
开源套壳叫板Google？Perplexity新品发布，印度裔CEO放言5万美金撬走彭博千亿生意
本周，AI搜索公司Perplexity推出Comet浏览器，整合自家AI搜索与智能助手，挑战Google Chrome。其CEO Aravind Srinivas不认同走垂直路线，获马克·安德森支持。此外，他们还想以AI终结Bloomberg，盯上金融市场。
微软开源2025 ICML获奖框架，终结大模型多轮对话严重缺陷
微软开源2025年ICML获奖框架CoLLabLLM，可解决大模型多轮对话缺陷。它由四大模块构成，经多轮对话模拟和奖励优化模型。在三大基准平台测试显示，能在多样任务中高效协作。
揭示隐藏联系：RLHF/DPO即对比学习！
大型语言模型输出符合人类价值观是挑战，主流技术RLHF复杂、昂贵且不稳定，DPO简化流程但有训练崩溃问题。论文揭示RLHF/DPO即对比学习，提出MIO算法解决DPO崩溃，实验验证其性能优势。
新紫光集团三周年：智变跃升，交出硬核答卷
2025年7月11日新紫光集团完成战略重整三周年，交出硬核答卷，连续三年营收超千亿，专利增加。其聚焦智能科技主业，通过战略布局、技术攻坚、生态协同实现发展，未来将持续求新求变，深化合作。