「工程化」共找到 1409 篇相关文章
多模态Deep Research，终于有了「可核验」的评测标准
俄亥俄州立大学与 Amazon Science 等联合发布 MMDR - Bench，将多模态 Deep Research 评估拉到可核验标准。它含 140 个专家任务，覆盖 19 领域，把评估拆成 3 段管线、12 指标，强调过程证据链。
Karpathy：别再问AI「你怎么看了」，这是错误的提示词策略！
Andrej Karpathy提出不要把大语言模型看作实体，应视作模拟器。他建议探索话题时避免用‘你怎么看’提问，给出‘什么样的一群人适合探索，他们会怎么说’的更优策略，还指出不同领域影响有别。
微软开源Skill训练框架，让Agent白天干活，晚上自动复盘，Skill的自进化终于可监控了
微软开源SkillOpt v0.2.0，加入SkillOpt - Sleep让Agent可自我复盘。该文本空间优化框架能自动训练和优化skill，有透明化、质量控制等特点，适合重复、可评估任务场景。
AI不一定要“聊天”，OpenAI前研究员研发只做决策的模型，绕开文本生成，响应速度快200倍
本文报道前OpenAI研究员Diogo Almeida离职创业，推出不做文本生成、只输出结构化决策的新AI模型Jev，公开性能数据，探讨大模型应用分工新路线。
Agent = Model + Harness，一个可能成为2026年出圈的新概念
文章提出新概念Harnesses Engineering，认为Agent = Model + Harness，阐述了Harness的作用、核心组件，还提及模型训练与Harness设计的耦合及Harness工程未来，指出需‘Harness思维’让AI驱动工业革命。
一篇双引擎进化的长程Agents系统性综述
人大、北大、清华等联合发表149页长时程Agent综述，给出首个统一形式化定义，梳理出‘外化Harness工程×内化模型优化’双螺旋共演化主线，用六个视角串起技术版图。
AI开始逆向一切，你电脑里的每个软件都要被迫开源了。
本文从开发者用AI逆向重写Adobe全家桶开源的热点事件切入，介绍AI大幅降低逆向工程成本的行业新趋势，分析其对软件行业商业模式的冲击，探讨AI时代产品的护城河问题。
Kimi新论文太硬核了！马斯克和Karpathy相继点赞~
马斯克和Karpathy点赞Kimi新论文《Attention Residuals》。该论文由杨植麟带队、苏剑林等参与，提出注意力残差（AttnRes），解决深层网络信息稀释问题，还通过工程折中降低成本，实验效果良好。
Paper2Video：学术研究论文讲解视频自动生成
学术演示视频制作耗力，Show Lab提出Paper2Video基准数据集和PaperTalker多智能体框架，可从学术论文自动生成演示视频。还引入定制化评价指标，衡量学术演示视频效果。
正确答案 ≠ 正确推理，CoT 或成大模型推理能力停滞的「罪魁祸首」？
研究指出当前大模型推理能力评估多关注答案准确性，忽视推理步骤。通过对前沿模型测试发现，2023 - 2024 年大模型推理能力提升停滞，进步靠提示工程，自底向上策略最有效。