「长思考能力」共找到 4079 篇相关文章
Data Agent 落地挑战：忽略技术框架、语义能力和运营体系，投入可能打水漂
Data Agent 落地挑战大，90% 难点源于软件工程，统一语义层建设是关键。企业若忽略场景聚焦、技术框架迭代能力、语义模型和运营体系，投入可能打水漂。掌握相关要素，才能让 AI 代理落地应用，提升企业数据智能化效率。
ACL 2025 | 指令遵循不能仅靠常识？GuideBench 揭示大模型如何“踩雷”领域指南规则
这篇ACL 2025主会论文聚焦提升智能体指南规则遵循能力。提出评估基准GuideBench，涵盖7类1272个任务。实验显示多数主流大模型指令遵循能力不佳，尤其数学推理挑战大，为模型迭代提供评估基准。
四周2亿人围观！诺奖凭什么颁给他，都在这一个半小时里
纪录片《思考游戏》上线四周破2亿观看，由AlphaGo原班团队历时五年拍摄。它揭秘DeepMind实验室，讲述从质疑中诞生，经游戏试炼、AlphaGo对决，到攻克蛋白质折叠难题，同时也引发对AGI发展的思考。
GRPO遭遇瓶颈？G²RPO-A让自适应指导为小模型推理能力「开外挂」
大模型推理能力难迁移到小模型，现有强化学习方法如GRPO在小模型上性能提升有限。香港中文大学（深圳）唐晓莹教授团队提出G²RPO - A算法，缓解小模型奖励稀疏问题，在多模型实验中表现优于vanilla GRPO。
北大腾讯突破奖励模型瓶颈！让AI理解人类偏好，泛化能力比肩GPT-4.1
北京大学知识计算实验室联合腾讯等机构提出RewardAnything，突破奖励模型瓶颈。它让奖励模型理解自然语言评判原则，降低成本，泛化能力比肩GPT - 4.1，还能用于定制AI行为模式。
全美罕见！普渡大学把AI写进“本科毕业条件”，校园炸锅：不会用AI，连毕业证都悬了？
美国普渡大学宣布，2026 年秋季入学新生毕业需达‘AI 工作能力’指标。校方称此非教学改革，是因就业压力，AI 能力成生存技能。该要求分五个方向，各学院依学科定标准，教师支持但忧执行。
DeepMind发布SIMA 2！打通「感知-推理-行动-反思」闭环
DeepMind推出的SIMA 2，可让智能体在虚拟环境中边聊天边进行复杂多模态推理。它整合Gemini能力，从指令执行者变为互动伙伴，有强大迁移泛化与自我提升能力，是迈向AGI重要一步，但也面临一些挑战。
最新实测GPT-5-Codex：前端能力碾压，复杂项目轻松搞定，Claude可以扔了!
OpenAI发布GPT-5-Codex，网友称可告别Claude Code。实测其前端能力提升大，能轻松完成复杂项目，如一键生成小游戏、手稿直出网页等。虽有页面UI堆叠小瑕疵，但仍值得支持。此外，Grok 4有突破，马斯克看好Grok 5。
LLM长文本内卷，谁是真英雄？告别跑分玄学，我们需要一把“公道秤”
OpenNLG Group做了统一长上下文评估框架LOOM - Scope，兼容主流benchmark、model和长上下文加速方法。该框架围绕BENCHMARK、DEPLOYMENT和EVALUATOR三大核心模块，还提出LOOM - Bench应对评估成本制约。
Claude、GLM、GPT谁才是真正的AI软件工程师？首个持续更新Visual Spec-to-App Benchmark发布
近年来，Coding Agent 发展迅速，「AI 软件工程师」渐成现实。但目前缺少系统评测其从设计稿开发产品能力的公开 Benchmark。为此，多校研究团队推出 VISTA，可多维度评测 Coding Agent 开发能力，且持续更新。