「三层评测框架」共找到 2233 篇相关文章
开源不到一天1.9k星星！NVIDIA新突破，机器人ChatGPT时刻！
NVIDIA开源ProtoMotions3框架，用经典自回归预测和物理仿真，让高级行为涌现。它能助力机器人多方面学习，有望降低人形机器人开发门槛，虽处研究阶段，但提出新思路。
浙大联合阿里云发布首篇 Token Economics 综述 ：用经济学重新理解 LLM Agent 的 Token 世界
浙江大学联合阿里云发布综述论文，提出Token Economics框架，从经济学视角理解LLM Agent中Token使用与资源分配。梳理关键问题，构建分类体系，还指出未来发展趋势与新兴机会。
单任务狂飙16小时！模型+Harness双轮驱动，金融Agent跑通了
2026年AI圈热词Harness成Agent产品基础设施。通用Harness难适配金融订单，易鑫首席科技官贾志峰将开源自研Harness Framework，采用三层驾驭体系，实测效果佳，成本低。
当AI迈入Harness时代：以MiniMax为样本看智能体云端新基建
2026年初，随OpenClaw爆火，AI步入Harness时代，MiniMax成变革焦点，推出MaxClaw和MaxHermes。但本地单机框架用于企业级生产有鸿沟，MiniMax借助阿里云云原生方案重塑Agent运行底座。
ICLR 2026 | ESC — 解构一步生成，厘清细节，探寻本质
西湖大学研究人员针对一步扩散生成模型复杂性问题，提出统一设计框架，对代表性模型进行组件级分析，定位关键误差来源，提出ESC变体，在ImageNet 256×256上取得优异成果。
AI时代的真相：信息免费，认知收费
文章指出AI时代信息不再稀缺，获取成本趋近于零，差距源于脑中的“解码与决策系统”，并将该系统拆解为解码、决策、执行三层，分析每层造成差距的原因。
GraphRAG，这次被G-Reasoner统一了
大语言模型在知识密集型任务中存在局限，GraphRAG 也有迁移难题。G - Reasoner 提出统一框架，含 QuadGraph、GFM、LLM 增强推理模块，在性能、泛化、效率上全面领先现有方法。
让模型“看视频写网页”，GPT-5仅得36.35分！上海AI Lab联合发布首个video2code基准
上海人工智能实验室等机构提出IWR - Bench评测基准，从“image - to - code”迈向“video - to - code”，对28个主流模型测试，最佳模型GPT - 5仅36.35分，指出当前模型短板，为研究指明方向。
GPT-4o-Image仅完成28.9%任务！上海AI实验室等发布图像编辑新基准，360道人类专家严选难题
上海人工智能实验室等团队针对图像编辑AI提出问题，推出RISE任务及配套评测基准RISEBench。测试九个视觉编辑模型，结果显示当前模型完成复杂指令能力欠缺，闭源与开源差距大。
CVPR 2026｜DROID-W：复杂室外动态场景，也能稳定SLAM
苏黎世联邦理工与微软团队提出 DROID - W 动态 SLAM 框架，即将发表于 CVPR 2026。它不预设动态物体，从多视角观测识别不可靠区域，还提出交替优化方案，在多个数据集表现优。