「Agent任务」共找到 4249 篇相关文章
GPT-4V仅达Level-2？全球首个多模态通才段位排行榜发布，General-Level打造多模态通用AI评测新范式
General-Level团队提出全新评测框架General-Level和数据集General-Bench，构建超大规模评测基准和多模态通才模型排行榜。其用五级段位体系衡量模型通才能力，General-Bench覆盖多模态任务，排行榜分多层次榜单，目前各模型段位差异大，Level-5空缺。
突发！Anthropic宣布Fable 5.1仅用一条提示词突破粒子物理“九圈”难题
本文报道Anthropic团队用搭载Fable 5.1的Claude Science平台，仅靠一句提示词，让AI自主完成粒子物理领域卡壳多年的N=4超杨-米尔斯理论九圈散射振幅计算，结果经原纪录保持者验证正确，总成本仅千余美元，展现了AI在科研领域的突破能力。
上海外滩大会官方艺术展《纠缠，而后日以作夜》
本文介绍2026 Inclusion·外滩大会首届官方AI概念艺术展《纠缠，而后日以作夜》，是外滩大会创办以来首个AI艺术节板块，也是国内首个Agent导览的AI概念艺术展，梳理AI艺术发展脉络，探讨人机共生关系，呼吁保留人类决策能力。
macOS Harness：AI 自己写代码，操作你的整台 Mac
macOS Harness 是 browser - use 团队开源项目，目标是让 LLM 用持久化 Python 进程完成 Mac 上几乎所有任务。它仅提供六个原始操作，模型用其操作应用，还能在运行中补全缺失部分。项目有诸多优势，目前仅支持 macOS。
一夜告别Token账单！端侧AGI真来了
2026年5月19日联想举办新品发布会，全球首发基于此芯Agentic SoC P1的联想AI主机P7与mini。P7小巧低功耗，算力强，有「一机双模」设计；mini更亲民。此芯P1构建端侧AGI算力矩阵，助力端侧AGI成现实。
杀疯了！单卡4090跑通全量微调，面壁1B级多模态性能怪兽硬刚大厂
面壁智能推出MiniCPM-V 4.6，参数约1B，性能和推理效率出色。它在多模态任务综合能力、推理速度上领先竞品，靠ViT架构改造和4倍/16倍混合视觉Token压缩实现创新，有工业验证，对开发者和普通用户意义大。
龙虾之后，我看到了 OPC 的新机会：FDE
3月龙虾爆火催生上门安装生意，大厂纷纷下场。背后是FDE商业模式，即前沿部署工程师模式。该模式在AI时代火起来，因AI Agent需求难定义，且做FDE门槛降低。FDE能弥合产品与需求差距，对OPC创业有借鉴意义。
Anthropic更新了Skill Creator，评测框架上线
Anthropic更新Skill Creator，上线评测框架。该框架无需写代码，能处理两类技能测试需求，可测试和改进技能，有捕获质量回归等用途。还增加基准模式、多Agent支持等，能让技能触发更可靠，更新已在Claude.ai等可用。
从大厂设计师到超级一人公司：6000字回顾我和AI的2025
作者回顾2025年，身份从大厂设计师变为自由职业者，用AI加持做超级一人公司。自媒体上各平台粉丝量增长，开始做视频；社群活动帮创业者和会员；创作涵盖Vibe Coding、Agent、图像视频等；还介绍合作产品，展望2026年AI趋势。
英伟达4B小模型击败GPT-5 Pro！成本仅1/36
英伟达ARC - AGI 2中，4B小模型NVARC以27.64%成绩力压GPT - 5 Pro登顶，单任务成本仅其1/36。亮点是零预训练深度学习法，还靠合成数据、测试时微调等策略。小模型特定领域优化后优势明显。