「Skill²-Bench」共找到 506 篇相关文章
ICML 2025 | 大模型能在信息不完备的情况下问出正确的问题吗？
当前大语言模型推理研究多聚焦被动推理，主动推理研究少，制约其在现实场景应用。为此提出 AR - Bench 基准评估大模型主动推理能力，实验显示大模型主动推理能力严重不足，并指出后续拓展方向。
我用 AI 翻译的三个阶段：提示词时代 → 推理模型时代 → Agent 时代
作者分享近 2 年 AI 翻译经验，将其分为提示词、推理模型、Agent 三个时代，介绍 Agent 翻译与提示词翻译区别，还阐述 Skill 创建迭代、三种翻译模式由来等，给出解决一致性问题等方法。
豆包大模型 Seed 2.0，有点不一样
大模型升级频繁令人审美疲劳，但豆包大模型Seed 2.0不同，其核心是Skills调用能力。作者测试了它做的小红书长图文排版生成器和古文翻译器，还体验了APP“专家模式”，展现多模态理解优势。
AI分析师强得可怕
博主黄益贺称其AI分析师比多数人类分析师厉害。以分析ChatGPT Atlas为例，展示其深度思考、调研和分析能力。还介绍了用Claude Skills做的AI分析师能力包升级，提升了深度思考能力。
首个地球科学智能体Earth-Agent来了，解锁地球观测数据分析新范式
上海人工智能实验室与中山大学联合研发的 Earth - Agent 解决了多模态大语言模型用于地球科学研究的痛点。它将领域知识工具封装化，利用 LLM 智能规划调度。经 Earth - Bench 评估，其在多方面表现出色，未来发展前景广阔。
智谱GLM-5.1深度评测：8小时连续工作，开源大模型进入"工程交付"新纪元
2026年4月8日智谱发布GLM-5.1，它是全球首个通过真实工程任务验证8小时持续工作能力的开源模型，在SWE-Bench Pro上超越GPT-5.4等登顶。该模型性价比高、技术创新多，还适配国产硬件，开源生态友好。
让你的 ClaudeCode 秒变 Openclaw（龙虾），连接飞书、Discord 远程控制
作者用Vibe Coding开发Agent客户端Codepilot，将Claude Code桌面端功能拓展，支持飞书等IM远程连接等。还开源Claude-to-IM及Claude-to-IM-skill项目，前者适合开发者接入IM远程控制，后者可让Claude Code与IM远程交互。
都说记忆是Agent标配，但MemSyco发现漏算了一件事
厦门大学与吉林大学的最新研究指出，随着大模型Agent具备长期记忆，虽成为“长期协作者”，但也出现Memory-Induced Sycophancy问题。为此提出MemSyco - Bench评测基准，经实验得出多项发现，指出Agent Memory关键瓶颈转变。
开源白嫖！微软这个开源 Agent,让 AI 帮你点按钮、填表格、跑多步流程（还可跨设备）
微软开源智能自动化框架 UFO，主线是 UFO³（Galaxy 多设备编排）+ UFO²（Windows 桌面 AgentOS）。能将多步任务拆分执行，解决跨应用、多步骤甚至跨设备任务难题，有多种功能亮点。
重磅开源！首个全异步强化学习训练系统来了，SOTA推理大模型RL训练提速2.77倍
清华大学和蚂蚁技术研究院联合团队开源全异步强化学习训练系统 AReaL-boba²，坚持“全面开源、极速训练、深度可定制”理念，实现异步 RL 训练，训练速度最高提升 2.77 倍，支持多轮智能体强化学习训练。