「大模型智能体」共找到 10801 篇相关文章
全靠Claude4！30年FAANG老工程师：AI帮我解决了4年老bug
5月22日Anthropic推出Claude 4系列大模型，Claude Opus 4是领先编码模型。Reddit上30多年经验的前FAANG工程师称，它解决了困扰自己4年的C++ Bug，引发热烈讨论。
李飞飞发起机器人家务挑战赛！老黄第一时间批钱赞助
李飞飞团队发起、英伟达赞助的首届BEHAVIOR家务挑战赛启动，参赛者用星海图R1 Pro在虚拟家庭环境完成50项家务。受ImageNet启发，该赛旨在解决机器人学习痛点，推动具身智能发展。
ICLR 2026 oral | AI代码真能进生产环境？SwingArena：从「写对代码Commit」到「通过CI审查」
过去一年大模型写代码能力提升，人们思考其能否参与软件工程核心流程。现有评测基准有缺失，SwingArena填补空白，将博弈引入评测，设计检索增强流水线，其开源后或成评估AI编程能力新工具。
8亿！OpenAI发布企业AI现状报告
OpenAI发布《2025年企业AI现状报告》，基于真实数据与调研公开企业级AI使用规模。ChatGPT周服务超8亿用户，企业端增长惊人，各行业渗透加速，员工也感受到实际价值，同时前沿与普通用户差距拉大。
字节发布全球首个预测未来基准FutureX，Grok-4 拿下冠军
字节跳动发布全球首个实时未来预测基准测试FutureX，杜绝模型作弊。在25个模型评测中，Grok - 4夺冠。它从多网站构建问题，分四级难度。人类专家在部分等级仍领先AI 。
准确率轻松翻倍！不烧钱微调，AI靠“写日记”实现能力跃升
Memento - Skills系统抛弃大量算力微调模型参数的方式，靠读写反思、“写日记”式学习机制，在不改变模型参数下实现能力跃升，在GAIA和HLE基准实验中准确率显著提高。
AI是「天才」还是「话术大师」？Anthropic颠覆性实验，终揭答案！
Anthropic新研究证实Claude模型有一定内省意识，能控制自身内部状态。用「概念注入」实验，Claude Opus 4和4.1表现最佳。不过该能力不可靠、局限大，未来进化情况待察。
为训推加速！全新FlashQLA注意力算子库开源
自Qwen3-Next发布，GDN成Qwen主力注意力层，随模型规模扩大开销增大。现开源FlashQLA算子库，融合优化GDN Chunked Prefill前反向算子，在NVIDIA Hopper上多场景加速，提升预训练和端侧推理效率。
专访｜两位华人主导创办，Jeff Dean参投，伯克利开源项目SkyPilot转型初创
前沿模型团队算力瓶颈从不足变为分散，开源AI算力调度项目SkyPilot应运而生。7月末，它从高校走出成为初创公司，完成2000万美元种子轮融资。其免费版与商业版各有侧重，切入AI编排赛道潜力大。
Zero-RAG，对冗余知识说“不”
文章指出大语言模型知识冗余，RAG 检索效率低。复旦大学邱锡鹏提出 Zero - RAG，能精准识别并剪除冗余知识，砍 30%语料准确率掉点小，检索延迟降 22%，还介绍了其技术方案。