「物理工程评测」共找到 1843 篇相关文章
同一个模型，换套框架成绩差27%：SWE-bench分数到底谁说了算？
编程Agent评测是笔糊涂账，SWE - bench虽成事实标准，但分数不适合直接横向比较。基元律动等机构发布Claw - SWE - Bench基准，将模型、harness和任务集拆分，通过实验揭示harness对成绩影响大，还解决通用Agent评测问题，推出低成本Lite版。
换题还是第一！DM0.5横扫RoboColiseum四榜
本文报道原力灵机DM0.5在智元机器人发起的RoboColiseum具身模型评测中拿下四个单项第一，这已是该模型连续拿下六套不同类型公开评测的榜首，攻破了传统具身模型换题掉分的痛点，目前已开源落地产业场景。
R-HORIZON：长程推理时代来临，复旦NLP&美团LongCat重磅发布LRMs能力边界探测新范式
复旦大学与美团LongCat Team联合推出R - HORIZON，它是首个系统性评估与增强LRMs长链推理能力的方法与基准。提出Query Composition方法构建评测基准和训练数据，评测发现主流模型长链推理性能断崖式下降，还分析出三大瓶颈，训练后模型性能双重提升。
西湖世界模型研究中心成立：拿下世界冠军后，他们否定了自己的冠军路线
西湖大学宣布成立西湖世界模型研究中心。其团队主打跳过视频画面渲染的“概念世界模型”，孵化的创业公司西湖数智已累计获得超亿元融资，重点落地机器人与自动驾驶。
上下文工程的精髓在于删除？
Hugging Face工程师Philipp Schmid整理分享，Manus团队重写五次代理系统，发现删代码比加功能好。AI模型存在‘上下文腐败’问题，Manus给出清理上下文、避免共享大脑、精简工具等解决办法。
告别微调！斯坦福提出Agentic上下文工程
当前微调大语言模型成本高、不灵活，‘上下文适应’方法有短板。斯坦福大学等提出ACE框架，将上下文变为动态‘战术手册’，解决现有问题。论文通过实验验证其在性能、成本和效率上优势，为大模型发展指明新方向。
自动驾驶优化：从复杂性到实时工程
本文深入探讨自动驾驶技术栈端到端架构，阐释从上下文感知传感器融合到MPC求解器等优化技术，如何将原始传感器数据转化为安全控制指令，还介绍轨迹规划、实时计算预算及调试等内容。
编程 Agent 如何重塑工程、产品和设计
软件公司 EPD 目标是做出好软件，产出为代码。编程 Agent 让写代码变简单，使 EPD 角色定位改变，如 PRD 传统流程终结、瓶颈转向评审、通才更有价值等，各角色需适应新变化。
一个人+Claude+云服务，相当于一整个工程团队
网上两个实操演示被疯转，一是Google Cloud工程师用Claude配合Google云部署应用；二是Anthropic Claude团队教搭建带持久记忆的AI智能体。博主整理7天实操计划，将Claude变“全自动AI雇员”，还介绍多种AI雇员类型及成本。
Agent上下文工程被Cursor玩出了新高度~
Cursor的agent为所有模型使用动态上下文，在保持质量时更智能填充上下文。代码Agent改变软件开发方式，Cursor提出动态上下文发现模式，介绍了在其中使用该模式的做法及优势。