「学术搜索评测」共找到 1168 篇相关文章
北大2篇Skill炸场，Agent彻底进化
北京大学连发两篇论文，给出让 Agent 变强的答案：让 Skill 自己进化。`SESA` 针对工具增强的搜索问答，用四个阶段闭环使任务生成和技能记忆一起进化；`VeriSkill` 把验证器废信号变成可信更新，二者场景不同但核心一致。
陶哲轩在菲尔兹颁奖现场：数学迎来百年新危机
菲尔兹奖得主陶哲轩在ICM大会称数学迎来百年危机，上次危机是检查逻辑地基，这次是价值观地基。他以First Proof评测展示AI解数学题能力，提出“工作假设”分析数学研究目标及KPI变化和“证明过剩”问题，还给出应对之策。
ICLR 2026 | 越推越快! 首个面向「Test-Time Scaling」的投机解码基准
文章指出推理阶段扩展（TTS）能提升推理大模型解决复杂问题的能力，但会产生大量冗余计算。为此提出首个面向TTS的投机解码加速综合基准，评测显示N - gram方法在特定场景加速潜力大，混合策略性能更优。
SEO们可以用AI做些什么？
文章围绕SEO与AI展开，介绍AI对搜索方式的改变、SEO前景，还阐述如何让品牌出现在AI回答及引用出处，以及AI在关键词研究、内容创作、站内SEO、外链建设等方面的应用，为SEO从业者提供新思路。
密室逃脱成AI新考场，通关率不足50%，暴露空间推理短板丨清华ICCV25
清华大学团队受密室逃脱游戏启发，提出EscapeCraft：一个3D密室逃脱环境，用于评估多模态大模型在视觉环境中完成复杂任务推理的能力。该论文已入选ICCV 2025。研究评测了多个热门模型，发现它们在推理和探索行为方面存在诸多问题。
中文版Nano Banana来了？Qwen-Image-2.0炸场：1K长文本硬吃，中文生图彻底不拧巴了
AI生图曾有文本长易糊、指令复杂就出错、中文渲染差等问题。阿里新发布的Qwen-Image-2.0能处理1K token长文本，理解复杂指令，中文渲染佳，还能多图编辑，国际评测表现也靠前，阿里云百炼已开通API邀测。
当AI Agent遇到资本，为什么Genspark 能突出重围
文章讲述Genspark在AI Agent赛道的发展。它由景鲲创立，从AI搜索转向Agent，虽人气略逊Manus，但通过制造话题、快速迭代产品、合理团队构成突出重围，估值达12.5亿美元，还探讨了Agent公司被大厂收购的可能。
智谱新模型也用DeepSeek的MLA，苹果M5就能跑
智谱AI上市后发布新成果，开源轻量级大语言模型GLM-4.7-Flash，API免费开放调用。该模型是30B总参数、3B激活参数的MoE架构，定位为“本地编程与智能体助手”，评测表现佳，采用MLA架构，多平台支持。
GUI智能体训练迎来新范式！半在线强化学习让7B模型媲美GPT-4o
浙江大学与通义实验室团队推出UI - S1，提出半在线强化学习训练范式。它融合离线与在线学习优势，用三项关键技术构建核心架构，新评测指标SOP更贴近真实表现，实验显示UI - S1 - 7B性能卓越，逼近GPT - 4o。
刚刚，百度抛出“王炸”：全球首个可商用自我演化智能体！李彦宏：技术迭代速度是唯一护城河
在百度世界大会上，李彦宏指出产业结构不均衡问题，介绍AI产业从‘正金字塔’向‘倒金字塔’转变。百度展示内化AI能力成果，如发布数字人、重构搜索、更新秒哒等，还推出昆仑芯、文心大模型5.0和全球首个可商用自我演化智能体百度伐谋。