「新模型Spud」共找到 9500 篇相关文章
DeepSeek V3.2爆火，Agentic性能暴涨40%解密
文章解密了DeepSeek V3.2 Agentic性能暴涨40%的原因，即采用交错思维链机制。还对比了其与早期ReAct范式，介绍其效果、原理，以及MiniMax为落地该机制做的工作，最后提到多家模型达成技术共识。
给野马套上缰绳：Agent Harness 工程实践 ——从范式理论到钉钉AI招聘的真实落地
本文围绕 Agent Harness 工程实践展开，指出瓶颈在‘装’好模型而非模型本身。介绍 Agent 公式、范式跃迁、四条铁律、工程模式，以悟空 AI 招聘为例说明落地，还分析行业标杆、未来趋势，给出心法。
CVPR 2026 Highlight｜让家电「在仿真中运转起来」，北大正式发布RealAppliance！
北京大学团队提出 RealAppliance 数据集与 RealAppliance - Bench 评测基准。前者收录 100 个精细家电资产，与真实产品系统多层面对齐；后者围绕五项任务评估模型家电操作规划能力，实验显示主流模型仍面临挑战。
Claude强到不敢发的Mythos，被质疑用了字节Seed技术
Claude最强“神话”模型Mythos引发猜测，或用了字节Seed技术。社区热议其是否采用循环语言模型架构，关键线索来自Anthropic测试数据，在图搜索测试中Mythos优势明显，还有其他线索指向循环架构。
龙虾连Gemma 4，只需三步，谷歌官方教程出炉，不再花钱买token
谷歌官方发布教程，教大家分三步将 Gemma 4 和龙虾（OpenClaw）连接。有人认为此流程清晰直接，让本地跑 Agent 变得简单。不过 Gemma 4 与顶尖模型有差距，且小模型安全性存疑。
HumanSense：探索多模态推理边界，打造「察言观色会共情」的全模态交互伙伴
蚂蚁集团与西安交通大学联合提出并开源 HumanSense，含评估基准与推理模型。通过细粒度评测、全模态消融等研究，提出优化策略，项目已在 GitHub 和 HuggingFace 开源，推动 AI 交互体验革新。
月入 5 万美元的 AI 副业靠这几个工具就能跑起来？我把这十类热门工具都试了一遍
知名开发者 Ras Mic 剖析十类热门 AI 工具，如 n8n 对非技术人被高估，Claude Code 强大但门槛高，还探讨‘AI 副业月入 5 万美元’话题，指出新工具带来创业新可能。
性能提升11.74%！腾讯优图提出激励推理，专攻复杂指令
现有大语言模型处理复杂指令能力不足，腾讯优图研究团队提出激励推理方法。该方法能提升LLM处理复杂指令表现，在1.5B参数LLM上性能提升11.74%，媲美8B参数模型。
说一个反常识的真相，Agent如今在真实工作场景的成功率依然很低。
作者有感于AI在真实工作场景评测的稀缺性，以阿里国际站RealReplicaBench评测集为例，介绍电商场景任务，发现多数模型成功率低，其他领域类似，呼吁厂商努力，作者也计划自跑评测更新排名。
注意力机制大变革？Bengio团队找到了一种超越Transformer的硬件对齐方案
Transformer虽改变世界但不完美，线性递归等新方法理论有优势，实际在GPU表现不佳。Bengio团队提出硬件对齐算法框架，用滑动窗口循环和B2P算法，实验显示有速度与质量双重突破。