「子任务级可验证性」共找到 2763 篇相关文章
腾讯纯文本LLM训视觉encoder，拿捏图表长视频，达到开源小模型SOTA！
腾讯开源Penguin - VL，直接用纯文本LLM训视觉编码器，跳出传统多模态拼接套路。在2B/8B紧凑参数规模的复杂任务中竞争力强，训练分三阶段，相关代码、模型等已开放。
Anthropic 新研究：AI出错是“热混乱”
Anthropic研究团队发现AI可能无一致目标，只是瞎搞。他们将AI错误分类，测试发现推理越久越混乱，大模型复杂任务易失控。此发现改变对AI风险的认知，论文已在arXiv发布。
Anthropic一夜震撼升级：Claude获得「永久记忆」！全球打工人变天
消息人士爆料Anthropic给Claude Cowork重磅升级，知识库注入永久记忆，Cowork模式与Chat模式合并成默认界面。还有UI、自动化、语音等多方面升级，若落地Claude将成生产力搭子，或引发AI办公革命。
Anthropic这两天真没闲着：上线网页版Claude Code，还让Claude搞科研
Anthropic推出Claude Code网页版，无需本地安装命令行工具，还提供Claude iOS应用预览版。其有并行处理多任务等亮点。此外，还发布Claude生命科学版，搭载Claude Sonnet 4.5模型，能助力科研。
Claude推出Agent View：一次管理所有编码会话
Anthropic为Claude Code新增Agent View功能，可集中管理编码会话，已开放研究预览。开发者操作路径清晰，早期用户总结出实用玩法，解决了常开多任务的切换难题，目前部分计划可体验。
从答题到做实验：SciAgentGym让大模型进入科学工作流
复旦大学NLP实验室提出SciAgentGym，为科学智能体搭建工作流环境，还设计了评测集SciAgentBench。实验显示模型接入工具能提升成功率，但长流程任务性能下降。论文还提出SciForge构建训练数据，提升了模型表现。
前端开的同学，天塌啦，AI把前端开发最后一公里给补上啦，不敢相信，太夸张啦～～～
Vercel Labs 开源的 agent - browser，是面向 AI Agent 的无头浏览器自动化 CLI。它解决了 AI 前端开发缺真实浏览器验证交互的问题，适用于多场景，有诸多对 AI 友好的特性，还介绍了使用方式。
全球首例！科学家将腿部肌肉线粒体注入盲人眼球，瞳孔光反射短暂恢复
对于视神经严重受损致盲，临床缺有效修复手段。美国研究人员从失明女性腿部肌肉提取线粒体注入其双眼，初步验证了自体线粒体眼内移植的安全性，患者眼部有生理变化，但未恢复视力，实验疑问多。
把PLC仿真搬进浏览器，小参数模型也能实现高工程通过率
上海交通大学联合Sema研究团队推出SemaPLC，将AI Agent与PLC工程工具链连接，让自然语言需求转化为可编译、验证、仿真的控制程序。它是面向全流程的智能工作台，实验效果优于业界方案。
GPT-5.4 仅 11.36%！当大规模工具生态变成迷宫，LLM Agent 还能完成长程规划吗？
PlanBench-XL 来自 UIUC 团队，将 LLM Agent 放入零售 API 世界，评测其长程规划能力。它考虑真实工具环境挑战，含 327 个任务等，发现多数模型规划难、恢复差等问题，并给出改进启示。