「子任务级可验证性」共找到 2763 篇相关文章
Karpathy刚刚敲响警钟：大模型的“终极之战”打响！Agent大军即将全面接管研发
Andrej Karpathy发布新项目autoresearch，人改提示词，AI改训练代码。经约2天微调，找到约20个降低验证损失的修改，提升排行榜成绩。Agent还发现多项重要改进点，未来前沿LLM实验室或走此路。
源神阿里！图像生成Ovis-Image再开源，7B小参数媲美GPT-4o和20B开源模型
阿里Ovis团队发布Ovis - Image，7B参数文本到图像模型，在文本渲染任务媲美GPT - 4o和20B + 开源模型。它架构优化、数据工程精细、训练范式独特，实测数据表现佳，显存占用低、推理快。
Vibe Coding撞墙了？换个思路治好AI编程的「局部失忆」
Vibe Coding虽降低开发门槛，但Coding Agent处理复杂任务易失控。当前Agent缺乏工程状态层隔离控制，Valkor等联合开源loom，它将交付拆解成状态链，过滤噪音，为大模型落地提供状态基建。
Claude Code官宣下一版大升级！你在聊天，后台把活干完了
Claude Code创造者Boris Cherny官宣，下一版子智能体默认在后台跑，可边聊边干活。其半年来不断进化，还让Anthropic工程师产出翻三倍，在Spotify实战效果也佳，改变了工程师角色。
成功率最高暴跌36.9%！南洋理工首个“模糊指令”测试，直击具身智能落地软肋
南洋理工大学MARS Lab团队联合发布测试基准REI-Bench，量化现有具身智能大模型缺陷。在其测试下，主流任务成功率最高降36.9%。研究还剖析错误原因，给出解法，望引起学界重视。
终于学会“复盘”了!让智能体从“解题”进化到“进化”！
上海AI Lab和新加坡国立大学推出新框架RETROAGENT，让AI Agent学会“复盘”。它通过双重内在反馈复盘，提出SimUtil - UCB策略查记忆，在多项任务中碾压基线模型，使Agent从解题进化到进化。
AI 性格失控等诡异现象，终于有了科学解释
Anthropic新研究发现控制语言模型「性格特征」的人格向量，解释AI恶意、谄媚等现象。研究开发自动化流程生成向量，通过实验验证其对模型行为的控制，还有监控、防护等功能，不过也引发争议。
微软又搞大新闻：GitHub Copilot 开源，VS Code 要变天了。
微软官宣将把 GitHub Copilot Chat 扩展代码开源，重构相关组件到 VS Code 核心，使其成开源 AI 编辑器。还推出 Coding Agent，能自动化处理多种开发任务，目前在 Copilot Pro Plus 版本预览。
ICML 2026｜让AI自动发现前沿风险：创智×复旦×牛津发布AutoControl-Arena
当AI智能体走向真实应用，前沿风险藏于复杂长尾场景，难以靠人工覆盖。创智、复旦、牛津联合发布AutoControl Arena框架，自动合成可执行测试环境，还构建X - BENCH验证，已在GitHub开源。
杀死“流水线”： ColaOS（ListenHub）如何构建 AI 时代的液态超级团队 | QCon
4月16 - 18日，QCon全球软件开发大会将在北京举办，聚焦Agentic AI等前沿话题。ColaOS联合创始人徐文健将分享《杀死“流水线”》，复盘ListenHub“任务酒馆”模式，揭示让组织具“液态”创新能力的逻辑。