「长文理解」共找到 805 篇相关文章
大模型玩不好数独？！Transformer作者初创公司公布排行榜：o3 Mini High“变异数独”正确率仅2.9%
Transformer作者初创公司Sakana AI公布AI解决数独能力排行榜，用全新基准Sudoku - Bench考验大模型创造性推理能力。结果显示大模型总体正确率仅15%，9×9数独中高性能模型o3 Mini High正确率2.9%。
复旦提出自适应Reasoning方法ARM，“能屈能伸”
复旦提出自适应Reasoning方法ARM，解决LLM‘过思考’问题。ARM内置四种解题策略和三种决策模式，还搭配Ada - GRPO算法，在23个数据集测试中表现出色，省token、提速度且准确率高。
Agentic-Native 增长：Zilliz 如何用 AI Agent 支撑超线性业务扩张｜AICon 深圳
2026年AICon深圳站8月21 - 22日举办，聚焦多关键方向，邀50+头部企业专家。Zilliz联合创始人郭人通将分享用AI Agent支撑业务扩张，介绍落地案例、关键实践及对数据基建新要求。
数学家24小时驳回OpenAI攻破的猜想！“AI证对了每句话，但已跟原猜想无关”
OpenAI宣称其下一代AI模型推翻了Connes刚性猜想，第二天堪萨斯大学的J. L. Nielsen就发文回应，指出AI构造的群不满足附加条件，还逐行核对代码指出‘要证什么’有问题，强调人类审查对AI科研结果很关键。
Claude Code狂删80%提示词，Opus 5反手加回去了
Anthropic宣布删掉Opus 5等模型超80%系统提示词，因早期提示词规则多易冲突。但网友实测Opus 5比Opus 4.8提示词加长72%，新增内容用于约束模型主动行为。
奇点之前，一场关于Physical AI的闭门会议
过去一年，Physical AI成全球AI产业热门方向，诸多关键问题待解。今年9月，上海物理智能与机器人研究院将发起PAIR 2026闭门会议，聚焦未决技术问题，促进多方交流和资本配置。
大模型能复刻这些系统吗？ProgramBench给出了残酷答案
斯坦福NLP组发布ProgramBench，用200个完整代码库重建任务测试主流大模型，要求模型仅根据可执行文件还原如SQLite等项目完整代码，结果所有模型实际解决率为0%，说明模型更擅模仿代码表面结构。
The Batch: 954 | Kimi K2.6 挑战开源权重模型领先者
Moonshot AI升级后的Kimi K2.6是1万亿参数的视觉 - 语言模型，专为代码生成设计，性能与Qwen3.6 Max Preview等相当，略逊顶级闭源模型。其功能多，幻觉率低，模型权重可免费下载。
明略科技吴明辉：企业级Agent的“精度陷阱”与人机协同重构之路
2025 年 12 月 19 日，明略科技创始人吴明辉在 AICon 大会分享《可信 Agent 的规模化之路》。他指出企业级 Agent 存在“精度陷阱”，建议重新设计人机分工，让 AI 执行 Task，人定义目标、校验结果、审计逻辑。
AI学会左脚踩右脚自进化？Meta华人新研究改写Agent法则
Meta华人学者Jenny Zhang联合多机构研究者提出新智能体框架HyperAgents（DGM - H）。它打破任务能力与自我改进能力需对齐的局限，能跨任务自我改进，还自动生成基础设施，或改写Agent竞争规则。