「学术搜索评测」共找到 1168 篇相关文章
字节清华智能体自动写CUDA内核，比torch.compile加速2.11倍
字节Seed与清华AIR团队开源CUDA Agent，在GPU内核优化基准KernelBench上成绩优异。它是大规模智能体强化学习系统，训练数据经多阶段构建，分阶段训练，全面超越商业模型，还开源了训练数据集。
走出 MMLU 的高分幻觉：AI Agent 的「斯坦利时刻」与职场生存法则
文章指出多模态大模型在基准测试分数高，在实际业务流程却像‘职场巨婴’。研究团队构建Trainee - Bench测试顶尖模型，结果显示模型离‘独立上岗’远，凸显提升Agent自主学习性的重要性。
个人开发者时代崛起！22岁印度开发者搞的业余项目被马斯克Groq看上，如今用户破6万
22岁孟买开发者Zaid Mukaddam开发开源AI搜索引擎Scira，定位为“Perplexity替代品”。项目初期走红，后因流量激增成本上升，获Groq等公司支持。如今用户破6万，其成功激励更多开发者。
突发｜Yann LeCun离职，要创业？
据《金融时报》报道，Meta首席人工智能科学家、图灵奖得主Yann LeCun计划离开公司创业，且在进行早期筹资洽谈。此前Meta内部动荡，LeCun曾透露辞职意愿，他的离开似在情理之中。
拒稿警告，靠大模型「偷摸水论文」被堵死，ICLR最严新规来了
ICLR 2026出台大语言模型使用政策，规范作者与审稿人使用LLM做法，明确需如实披露使用情况并担责，违规将受处罚。其他顶会如NeurIPS、ICML等也有相关规定。
个人开发者时代崛起！22岁印度开发者搞的业余项目被Groq看上，如今用户破6万
22岁印度开发者Zaid Mukaddam开发“Perplexity替代品”开源项目Scira，解决搜索难题。它功能强大，受多公司支持，用户破6万。还列举其他个人开发者成功案例，如TinyWow、Only Finders。
第六章 Coding优先编的是「过程与约束」,不是「参数」
本章以开面包店类比训练大模型，介绍 AutoResearch 自主实验框架。它将研究生助理工作循环交给 Agent，在固定时间用单一指标判断好坏。仓库获约 64.7K Stars，Karpathy 设计哲学为极简主义与固定约束。
科研数据不再碎片化！一张可计算图，连起整个科研世界
UIUC研究团队打造ResearchArcade，将ArXiv论文、OpenReview评审等碎片数据连接成动态知识图谱。它有多源、多模态等特征，支持多种格式数据导入导出，定义了六个任务，验证了图结构在科研数据处理中的作用。
字节豆包2.0重磅发布！成本暴降一个数量级，Seed团队揭秘视频Agent竞争关键
今日字节发布豆包大模型2.0系列，围绕大规模生产环境需求优化，有Pro、Lite、Mini和Code四款模型。其Token单价低一个数量级，多模态理解能力升级，未来将围绕长链路智能系统构建发展。
Google刚刚开源的一款AI工具，Gemini 2.5驱动浏览器自动化！
Google在GitHub开源AI浏览器自动化工具Computer Use Preview，基于Gemini 2.5模型，用自然语言控制浏览器完成复杂任务。支持双环境，集成Gemini API/Vertex AI，适用于Web测试等，零代码入门。