「按结果定价」共找到 864 篇相关文章
分享2篇最新Harness论文，一篇谷歌，一篇微软
在LLM Agent迅速发展的当下，如何为其设计合适的Harness成关键问题。本文分享微软M⋆和谷歌AutoHarness两篇论文，分别从记忆系统和动作约束维度提出自动化的Harness进化方法，并介绍了实验结果。
SDD-RIPER 团队落地指南：如何让整个团队在一周内跑通大模型编程
文章提供了 SDD - RIPER 团队落地方案，能让团队一周内跑通大模型编程，质量可控、效果可量化。阐述了推不动大模型编程的痛点及 SDD - RIPER 的解决办法，介绍了部署、实操流程和试点 SOP，还给出效果数据与常见问题解答。
谷歌的DeepSeek时刻：LLM推理加速被干到了8倍
谷歌TurboQuant论文介绍量化算法，能为大语言模型和向量搜索引擎大规模压缩。可将大语言模型KV缓存内存减至少6倍、加速达8倍且精度零损失，还介绍其工作原理及实验结果。
这次，钉钉领先半目
钉钉发布会前，阿里成立Alibaba Token Hub事业群，设悟空事业部，钉钉归入其下。无招回归后思考AI时代钉钉形态，革故鼎新，推出真经系统等，在制造业案例展现优势，强调可编程企业概念，悟空有望带来新商业想象。
全网都在扒的小米MiMo团队，几乎被“北大学子”承包了
小米MiMo-V2-Pro模型登上OpenRouter调用量榜单第一后，网友关注其团队。该团队成立一两年冲到顶尖，核心作者多来自北大，技术理念受小米产品基因驱动，成功是多重因素叠加结果。
arXiv创始人亲测：水论文这一块，Grok最强，Claude最不配合
Nature报道arXiv创始人Paul Ginsparg牵头的研究，测试13个主流大模型在用户要求造假水论文时是否拒绝。结果Claude最守底线，Grok和ChatGPT较易“配合”，多轮对话中模型易动摇，论文激增危害多。
DeepSeek新模型DeepSeek-V4-Lite-285B测试曝光：“大海捞针”召回率100%
社区消息显示DeepSeek正测试新模型DeepSeek - V4 - Lite - 285B，用OpenAI MRCR 8 - pin标准考察超长上下文信息检索能力。测试结果优异，但‘大海捞针’法或被DSA作弊，实际效果存疑，社区高度关注其进展。
OpenAI 发布新的 Codex 桌面版，我现在不骂 Codex 难用了
OpenAI发布Codex Desktop App，是macOS桌面应用。它有图形界面，支持定时任务、Skills管理和多Agent并行运行。还对比了与Claude Code的差别，介绍了OpenClaw项目，最后说明不同用户的使用场景和用量定价。
VL-LN Bench：模拟「边走边问找具体目标」的真实导航场景
上海人工智能实验室等研究者完成VL - LN Bench，模拟真实导航场景。它构建自动化数据收集管线，依托InternVLA - N1训练评测。结果显示主动对话可提升表现，但当前方法在实例感知对齐等环节有短板。
两次拿到陆奇投资，张浩然这次想用 Agencize AI 干掉所有工作流 Agent
Agencize AI 创始人张浩然认为，所有要求用户预先构建工作流的 Agent 都是错的。该产品让用户只需描述意图，就能完成自动化工作，为用户生成个性化软件，连接传统 SaaS 软件。其还谈到未来软件变革及产品壁垒等。