「好表现定义」共找到 3237 篇相关文章
谷歌创始人布林紧急接管Gemini团队，但“3.5 Pro已被取消”
谷歌Gemini 3.5 Pro未按计划推出，据判断已被取消。Gemini Flash系列表现不佳，谷歌AI面临压力，创始人布林重新参与相关战略讨论，而谷歌可能存在算力分配问题。
刚刚，Anthropic 工程师公开了内部数百个 Skill 的打造秘诀
Anthropic工程师Thariq分享Claude Code Skills打造经验，介绍Skill类型、写作技巧、分享与度量方法。指出Skill是文件夹，有九大类，还给出九条写作技巧，强调好Skill在实践中成长。
刚刚，Thinking Machines出手！首款交互模型来了，翁荔出镜实测
Thinking Machines Lab推出首个大模型TML - Interaction - Small，打破传统人机交互模式，实现全自然交互。它训练范式独特，采用双模型架构等设计，评测表现超GPT - Realtime 2.0等模型，后续还会推出更大尺寸模型。
刚刚，Anthropic 又出新货：Claude Opus 4.1 发布，代码、推理能力再升级
Anthropic发布Claude Opus 4.1，是对Opus 4的小升级，提升智能体任务、代码处理和推理能力。付费Claude用户等已可用，价格不变。在编程评测表现佳，获多方好评，官方建议升级。
你永远叫不醒装睡的大模型！多轮对话全军覆没，性能暴跌39%
研究人员进行超20万次模拟实验，耗资5000美元，评估大模型在多轮对话中的表现。结果显示，大模型在多轮对话中性能明显低于单轮对话，平均下降39%，还出现“对话迷失”现象。
变天了！WindSurf推出workflow功能，低代码大模型应用开发平台将面对“降维”打击
Windsurf在1.8.2版本推出workflow功能，其采用自然语言定义工作流并与开发IDE深度集成，是更高级形态。该功能特性丰富、应用场景多，对Dify等应用编排工具或造成‘降维打击’。
最新研究！大模型“角色扮演”无效了？
沃顿商学院研究测试6个主流AI模型，进行超25000次测试，发现告诉AI扮演专家角色，不会让其回答更准确，反向设定‘低知识’角色有时表现更好，角色扮演不是提高准确性的万能钥匙。
从需求分析到代码生成，LLM都能干点啥？一文读懂291个软工Benchmark！
大语言模型重塑软件工程各环节，但缺乏评估其在该领域表现的系统工具。浙江大学等机构团队首次对291个软件工程Benchmark系统综述，分析现状、痛点并给出改进方向。
meta收购manus的几点看法
探讨Meta收购Manus双方视角。Meta认为Manus有销售前景，想全吃利润；Manus因无流量属性、壁垒低、天花板低等因素，被收购或是好选择，还提及编程工具效用问题。
攻克长文档与多模态挑战，Paper2Video实现学术视频的自动化生产
新加坡国立大学 Show Lab 团队主导研究，提出 Paper2Video 基准及评价指标，还推出 PaperTalker 多智体框架实现学术视频自动化生产，实验显示其在多方面表现佳，效果接近人工水平。