「智能体基准」共找到 4132 篇相关文章
登顶Hugging Face论文热榜，LLM重写数据准备的游戏规则
企业数据团队面临数据准备难题，传统方法依赖人工规则，有诸多局限。上海交通大学等机构研究团队综述指出，LLM正推动数据准备从“规则驱动”向“语义驱动”转变，还给出技术选型、评估基准及工程指南。
大模型微调评测入门：看懂这些指标，才知道模型好不好
文章指出大模型微调中很多新手重“调”轻“评”，评测是决定模型落地的关键。介绍分类和生成任务评测指标，给出实操步骤，还说明如何综合判断模型好坏，最后展望评测技术朝自动化等方向发展。
LLM时代的事件抽取：从静态任务到认知脚手架
此综述论文探讨LLM时代事件抽取价值，认为其未被削弱，应视为“认知脚手架”。它系统梳理任务分类、方法演进等，还提出六大未来研究方向，指向将其演化为智能感知与记忆层。
100万辆“斩杀线”出现，2026年中国智驾进入淘汰赛｜甲子光年
2025年中国智能驾驶行业进入规模与交付主导阶段，100万辆成为2026年智驾行业‘斩杀线’。华为已跨过‘安全区’，地平线、卓驭等构成一线梯队。毫末智行等公司因技术与交付问题出局，行业竞争更残酷。
奥特曼点名「AGI最后一块拼图」！记忆，才是硅谷2026新共识
2026年，AI竞争焦点从Scaling转向记忆。奥特曼押注记忆，预计ChatGPT产品线未来一年有进展。AI记忆能力成新共识，提升其记忆成巨头竞争核心，不过距完善记忆系统还远。
地平线首曝BPU「黎曼」架构，用数学流形重构AI计算
2025 年 12 月 8 日深圳举办的地平线技术生态大会上，地平线首曝 BPU「黎曼」架构，用数学流形重构 AI 计算。还发布第四代编译器，推出 HSD Together 模式，开源具身智能模型，欲构建物理 AI 世界底层生态。
两个LLM互相对线，推理能力起飞：康奈尔团队发布大模型版类GAN训练法
康奈尔大学团队提出面向大语言模型的类GAN训练框架PasoDoble，通过对抗训练两模型提升推理能力，不依赖外部监督，在多模型实验中显著提升数学基准表现，不过在部分领域外任务有局限。
估值7.5亿美元初创意欲「撬动」8000亿半导体市场？前谷歌AlphaChip主导者创业研发「AI芯片设计自动化」
由前谷歌研究员创办的 Ricursive Intelligence 公司，尝试开发自动设计芯片的软件。其核心技术将递归智能用于芯片设计，分三阶段改进，已获 3500 万美元融资，估值 7.5 亿美元，有望变革半导体行业。
英伟达XR-AI Scientist亮相：丛乐、王梦迪团队把“AI科学家”送进实验室｜甲子光年
10月底英伟达上线NVIDIA XR - AI平台，丛乐、王梦迪团队联合英伟达等推进其在实验室科学融合应用，涉及LabOS和CRISPR - GPT两项技术突破，还推出LSV Benchmark标准及排行榜，有望改变XR现状。
模型汤新做法！Meta｜提出“类别专家汤”：SoCE，大幅提升模型性能，刷新SoTA！
大语言模型领域，提升性能常需高算力、大量数据和长时间训练。Meta提出新型模型汤技术SoCE，通过分析类别相关性操纵模型权重，在BFCL上刷新SOTA记录，为开源社区指明低成本进化之路。