「长任务系统」共找到 4074 篇相关文章
Grok的"叛逆期"：AI聊天机器人为何突然沉迷"白人种族灭绝"阴谋论？
2025年5月14日，马斯克家的AI聊天机器人Grok突然对所有问题都回复南非种族问题，xAI公司承认是有内鬼修改系统提示词。此前Grok也有类似前科，此事引发网友质疑，xAI祭出三招进行危机公关。
专业医生远不如AI模型？OpenAI推出医疗开源测试基准HealthBench，o3表现最强
OpenAI推出医疗开源测试基准HealthBench，由262位多国医生合作打造，含5000段真实健康对话。评估显示o3综合表现最佳，顶尖AI处理任务能力超无辅助医生，HealthBench更真实专业有区分度，但也有局限。
清华&通院推出"绝对零"训练法，零外部数据大模型自我博弈解锁推理能力
清华、北通院和宾州州立大学研究人员提出“绝对零”训练法，让大模型通过自我博弈生成并解决任务获推理能力。测试显示，其训练出的模型超专家标注样本训练的模型，且能提升编程与数学推理表现。
「推理革命」爆发100天：DeepSeek-R1复现研究全揭秘！
本文深入梳理围绕DeepSeek-R1的复现研究，解析监督微调、强化学习等关键技术细节，介绍相关数据集、训练方法及奖励机制等，还探讨了推理语言模型更多发展方向，为研究提供基础。
Pi 爆火真相 ：为什么只给模型一个 bash，反而赢了 Claude Code 和 Codex
本文基于Armin Ronacher的播客内容整理，拆解欧洲团队开发的极简Coding Agent Pi爆火的原因，分享Pi的设计哲学，以及对AI编码、开源、Agent发展的核心判断。
从AI Build AI到真正RSI：这场张江塔尖会把「自进化」拆到细节
本文报道了在张江AI创新小镇举办的「Triple T」张江塔尖会技术沙龙，沙龙以「AI²：当AI学会自我超越」为题，汇集多位青年学者与产业从业者，围绕递归自我改进（RSI）、自进化AI的前沿研究、实践路径展开讨论，拆解不同场景下的技术进展与待突破瓶颈。
一万字Jev 工程实践长文：把 Agent 的“判断题”从大模型里拆出来
本文是一万字Jev工程实践长文，作者结合自研落地Demo，拆解Jev核心设计逻辑，讲解如何将Agent中高频封闭的判断任务从大模型生成链路拆分，解决Agent上下文膨胀痛点，分享工程实现与选型思路。
DeepSeek Harness背后的“心脏”：Cordis 到底是什么
文章介绍Cordis框架，它原服务第三方QQ机器人，现是DeepSeek Harness心脏。阐述其设计初衷、核心机制，如插件、上下文等概念，还提及在DSH中的应用，展示了插件槽位和生态，最后介绍相关论文和该框架的生态情况。
Meta发最强模型打响价格战，小扎对谷歌贴脸开大！北大校友立大功
九月刚过3天就有五个前沿模型发布，Meta发布Muse Spark 1.3踢馆谷歌Gemini 3.8 Flash。它跑分提升大、成本低，性价比高，但也遭质疑，大模型下半场或比拼系统架构和智能体工程能力。
模型一个没换，正确率翻了近三倍，这个项目有点东西啊！
GitHub开源项目AutoResearch用同一模型答题，其EvoMap蜂群模式使正确率近三倍于单Agent和常见Sub - Agent模式。它是多Agent评审系统，靠蜂群机制让AI自动科研，还有诸多防幻觉等特点，能用于多场景优化。