搜索：子任务级可验证性

「子任务级可验证性」共找到 2763 篇相关文章

Google刚刚开源的一款AI工具，Gemini 2.5驱动浏览器自动化！

Google在GitHub开源AI浏览器自动化工具Computer Use Preview，基于Gemini 2.5模型，用自然语言控制浏览器完成复杂任务。支持双环境，集成Gemini API/Vertex AI，适用于Web测试等，零代码入门。

继提示工程后，「上下文工程」在硅谷爆火，获Karpathy等大佬青睐。它是「全新的氛围编程」，是智能体成败关键。其范畴广，是科学也是艺术，为LLM构建上下文能解决定制任务。

字节发布多主体视频生成神器MAGREF，基于一张参考图像，能生成主体高度一致的视频，多人同台也不串脸。它采用三阶段数据处理流程，构建在DiT架构上，实现复杂视频生成任务。

OpenAI宣布在ChatGPT中引入Codex研究预览版。它是云端软件工程智能体，能并行处理多项编程任务。自今日起，部分用户可使用，后续将推付费选项。目前处于早期开发阶段，未来计划推更灵活工作流。

华中科技大学、北京邮电大学等多所高校研究团队共同推出纯多模态开源LLM——Perception-R1，该模型用强化学习优化视觉感知，目前论文和代码均已开源，其在视觉任务上表现出色，为后续研究提供强大baseline。

LLM操作手机以往方案有局限，phone - harness利用macOS Sequoia的iPhone镜像功能，通过截取镜像窗口、注入操作、截屏验证实现Claude操作iPhone，还介绍安装步骤、踩坑及已知限制。

中国人民大学高瓴人工智能学院发布DeNovoSWE数据集，专注长程软件工程任务。它通过特定机制构造高质量数据，为代码智能体长程能力训练提供支持，实验显示能显著提升模型仓库生成能力。

豆包开启付费模式，有三档收费标准，学生还有专属优惠。实测发现，付费版体验成熟，办公任务模式友好，但额度消耗快。文章还给出不同人群适合的档位建议。

人工智能下半场关键词是“行动”，Agent Skill成关键桥梁。Agent Skill开发者大赛今日启动，由AIGC开放社区与算泥社区联合主办，聚焦真实任务执行，设双赛道，官方提供支持，有丰厚奖励。

星河启智平台推出超级科研合伙人「大圣」，它构建了多模态科学基础模型等智能体协作研发能力，具备认知、行动、记忆、验证四大能力，且引入可信安全机制，推动科研生产关系重排。