「子任务级可验证性」共找到 2763 篇相关文章
知识增强LLM与搜索引擎用户的感知信息价值差异比较研究
研究选取文心一言与百度搜索引擎，探究不同任务复杂性、信息获取场景下，用户使用两种工具后的感知信息价值差异。发现两者在部分指标有显著差异，还给出两类工具优化建议。
MiniMax Agent 再进化！正式走向商业级全栈开发
MiniMax Agent 升级成‘全栈开发师’，建立完整交付标准，构建技术生态。它能完成多任务，配置顺滑，可处理前端问题。还在 MCP 生态、支付集成等方面革新，从工具迈向数字化商业引擎。
物理学家靠生物揭开AI创造力来源：起因竟是“技术缺陷”
两位物理学家以生物系统自我组装过程为参考，提出并验证假设：扩散模型去噪过程类似细胞分化重组，AI的‘创造力’是模型架构直接且必然的结果，本质是确定性过程。
OpenAI新模型GPT-5.1发布，不跑分不刷榜，主打一个说人话
OpenAI发布GPT-5.1，主打更智能、更具对话性，无跑分打榜，有人设说人话。包括Instant和Thinking两个子模型，简单问题快，复杂问题智能。本周逐步向用户免费开放，还更新了语气风格等功能。
网页智能体新突破！引入协同进化世界模型，腾讯AI Lab提出新框架
腾讯AI Lab提出WebEvolver框架，引入协同进化的世界模型，让智能体在真实网页环境中性能提升10%，突破现有基于LLM的网页智能体瓶颈，还通过实验验证了其有效性和对网页状态变化的预测能力。
LLM 竟然会内省！Anthropic 整了个大活：首次揭开 AI 意识
Anthropic最新研究《大语言模型中涌现的内省意识》，首次通过直接操控模型内部状态验证AI能否觉察自己思想。研究采用概念注入技术，发现AI有内省能力，且不同模型表现有差异。
4000 Star，Vibe Coding终级指南：胶水编程
Vibe Coding由karpathy提出，本文分享其终极指南。介绍了胶水编程、方法论精要、工具资源、编码模型性能分级参考等内容，还给出架构与工作流程，建议选第一梯队模型处理复杂任务。
让VLM学会「心中有世界」：VAGEN用多轮RL把视觉智能变成「世界模型」推理机器
当前VLM智能体面对复杂视觉任务表现不佳，美国西北大学等机构联合研究成果VAGEN，提出创新强化学习框架，奖励正确思考过程，让VLM在行动前构建内部世界模型，效果超多款闭源大模型。
研究显示：AI 编程工具在经验丰富的开发者手中表现未达预期
METR研究人员对经验丰富的开源开发者开展随机对照试验，让其使用Claude 3.5和Cursor Pro等AI增强型开发工具。结果显示，AI辅助编程使任务完成时间延长19%，与预期相悖。
当 Agent 开始接管工作流，企业最在意的三件事：安全运行、稳定交付、持续进化
Agentic AI 开发落地使基础设施问题凸显。AI 产业转向重视模型部署等，CPU 受关注，云计算角色转变，容器重要性凸显。Agent 应用规模化落地，AI 负载变化，Agent Infra 要解决四个问题，云和 CPU 任务也在改变。