「任务执行能力」共找到 4880 篇相关文章
大模型结构化推理优势难复制到垂直领域！最新法律AI评估标准来了，抱抱脸评测集趋势第一
多个机构研究人员联合发布全新多语言法律推理基准数据集LEXam，它含4886道题，每道长篇题有答案和推理路径。研究显示现有大模型应对法律推理难，LEXam引入评估新模式，还对不同模型做了测试。
2个月，20亿美元估值、硅谷7500万美元投资，Manus给中国AI创业者指了条什么路？
文章以Manus为例，分析其国内被质疑、海外却受青睐的原因。指出它虽无自有模型，但为巨头带来增量价值。还借量子隧穿效应说明其先发红利，最后探讨其挑战、目标及对“套壳”看法。
吴恩达评Agent现状：MCP尚处“蛮荒”，单Agent跑通已是“奇迹”，A2A协作堪称“双重奇迹”
吴恩达与LangChain联合创始人对话，评Agent现状。他认为MCP尚处‘蛮荒’，单Agent跑通不易，A2A协作更难。还谈了Agentic架构、AI系统构建、工具使用、语音技术等，给出创业建议。
具身智能需要从ImageNet做起吗？
文章探讨具身智能发展，分析其爆发原因，如人类无法完全数字化等。指出几种失败模式，还讨论输入信号、触觉、学习方法等决策点，认为具身智能的‘ImageNet’时刻是伪命题，不同智能领域可能殊途同归。
一个4000亿算力龙头将诞生？
海光信息与中科曙光联合宣布筹划重大资产重组，海光拟换股吸收合并中科曙光并募资。二者总市值超4000亿，此次并购有体量大、子并母、产业链纵向整合特点，或开启国内半导体并购潮。
模型越聪明越“不听话”？MathIF基准揭示AI服从性漏洞
上海人工智能实验室与香港中文大学研究团队发布论文，用MathIF基准揭示大模型“聪明”和“听话”有矛盾，越擅长推理越易忽略指令，还分析了原因并给出让模型更“听话”的方法。
完全开源的7B模型，性能比肩主流LLM，训练成本仅16万美元，复现DeepSeek的强化学习！
Moxin-7B由多机构团队联合开发，遵循“开源科学”原则，公开全流程细节。它训练成本仅16万美元，评测表现亮眼，在架构、数据策略、训练过程等方面有创新，为中小企业提供可控AI方案。
公开模型一切，优于DeepSeek-R1，英伟达开源Llama-Nemotron家族
英伟达推出面向高效推理的 Llama-Nemotron 系列模型，包括 Nano、Super、Ultra 等规模，具备卓越推理能力与效率，采用开放许可。模型支持动态推理切换，训练结合多方法，性能优于 DeepSeek-R1 等。
AI 终于看懂了 ？5.4K Star Lieflat Charts～～～～
本文介绍获得5.4K Star的开源AI图表工具Lieflat Charts，该工具将图表选择、设计规范、真实性校验等环节融入Agent工作流，解决AI生成图表不符合阅读需求的痛点，明确了适用场景。
OpenAI杀疯了！五天内再破千禧年数学难题，霍奇猜想也要被攻破了？
本文爆料头部AI实验室破解千禧年数学难题的最新进展，OpenAI攻克纳维-斯托克斯问题后，五天内就在霍奇猜想上取得实质性进展，Anthropic也接近解决另一难题，展现AI推理能力的飞速迭代。