「超长上下文测试」共找到 2297 篇相关文章
The Batch: 964 | Claude 亮相另一款 Opus
Anthropic发布Claude Opus 5，这是款视觉 - 语言模型，运行成本低，多任务表现优于Claude Fable 5。它在多项测试中领先，解决了Fable 5的一些问题，但也有易产生幻觉等不足。
断网解题，Claude Mythos推翻Erdős 80年猜想！比OpenAI更短更漂亮
OpenAI用125页思维链解开Erdős 80年猜想，Anthropic研究员Levent Alpoge让Mythos断网测试，找到更短更简洁路径。Mythos用数论方法打破僵局，过去一周OpenAI、DeepMind、Anthropic分别攻克相关难题。
结构化预处理让DeepSeek准确率提升51%，现已开源丨清华&深言
零成本降低大模型幻觉新方法LingoEDU，让DeepSeek准确率提升51%。它对上下文精准切分，形成篇章结构树。能解决现有方案两难困境，在多方面实验表现出色，有根治幻觉等核心价值。
“交互式Scaling”：增加Agent与环境交互的深度和频率来提升性能
在AI发展中，商业研究Agent是“黑箱”，开源研究Agent性能有差距。MiroMind团队推出MiroThinker v1.0，提出“交互扩展”提升性能，在多基准测试表现出色，也指出了当前版本的局限。
教全世界与AI对话的男人，正式加入DeepMind！提示工程封神
全球最牛提示工程师Riley Goodside入职谷歌DeepMind，他曾凭和ChatGPT聊天年入百万。他认为ChatGPT发布是提示工程里程碑，提示工程可分上下文工程和提示词编程。
YC 编写的 《Vibe Coding 指南》
本文是 YC 编写的《Vibe Coding 指南》，采访多位创始人总结出 AI 协作编程指南，涵盖规划流程、版本控制、测试框架等多方面，还提及 AI 在编码外的应用及持续改进方法。
刷新复杂Agent推理记录！阿里通义开源网络智能体超越DeepSeek R1，Grok-3
互联网信息检索中，复杂问题让普通开源模型力不从心。阿里通义实验室提出WebSailor方案，通过SailorFog - QA数据集和DUPO算法等创新，提升模型能力，在多基准测试中超越诸多开闭源模型。
Claude Code 最佳实践：从「能用」到「用得好」的 15 个关键技巧
GitHub热门仓库‘claude - code - best - practice’拆透Claude Code用法。本文提炼其精华，结合经验给出实操指南，涵盖上下文管理、CLAUDE.md设置、子代理等15个关键技巧，助你用好Claude Code。
Gemini 3.1 Flash-Lite Preview发布：Google完成AI模型分层布局
Google发布Gemini 3.1 Flash-Lite Preview，针对企业和开发者场景优化，速度快，有‘思考级别’功能。基准测试表现不错，价格比Claude 4.5 Haiku便宜，但开发者社区反应复杂，面临市场定位问题。
Claude祭出「记忆搬家」，60秒搬空ChatGPT灵魂！70万用户退订OpenAI
Anthropic为Claude上线「导入记忆」功能，可60秒将ChatGPT上下文复制到Claude，这是对OpenAI挑衅。自奥特曼官宣与国防部合作，网友抵制ChatGPT，70万用户退订，未来或出现AI记忆互通协议。