「科学评测」共找到 937 篇相关文章
o3 Gemini 都翻车？首个可验证长链 GUI 数据集 VeriGUI 重磅开源，探索通用 Agent 能力边界
GUI 智能体发展遇瓶颈，现有数据集难评估其长时程规划能力。2077AI 开源基金会牵头构建的 VeriGUI 应运而生，有长链复杂性与子任务级可验证性特征，论文登 Hugging Face 月榜第三，还证明现有模型瓶颈。
77岁Hinton首度访华，周伯文高能交锋！17分钟尖峰对话震撼全场
7月26日，77岁的AI教父Hinton首度访华，与周伯文教授进行17分钟尖峰对话。Hinton称多模态大模型已有「意识」，建议分技术训练「聪明」与「善良」AI，两人还探讨AI发展路径并寄语青年科研者。
豆包 AI 编程：一句话写赛博鱼缸，动嘴皮改富士滤镜
豆包发布全新模型 1.6 后，AI 编程更新，基于此模型在评测集位列第一梯队。它实现低门槛+可用性，能一句话生成网站、工具，还可可视化编辑，目标是让普通人能做产品。
AI4Science 图谱，如何颠覆10年 x 20亿美金成本的药物研发模式
文章指出AI for Science让生命科学与数字互联网融合，加速科学发现。以四象限为框架，梳理了Biology Foundation Model、AI Scientist等玩家，介绍相关模型和公司，展示其对药物研发流程的重塑。
ACL 2025｜为什么你设计的 Prompt 会成功？新理论揭示大模型 Prompt 设计的奥秘与效能
英属哥伦比亚大学等团队剖析Prompt在LLM的CoT推理中调控模型内部信息流，构建量化Prompt搜索空间复杂度理论框架。研究解释提示有效的原因，提供设计高效提示词思路，实验验证理论框架。
全球首个历史基准！普林复旦打造AI历史助手，AI破圈人文学科
普林斯顿大学AI实验室与复旦大学历史学系联手推出全球首个历史领域评测基准HistBench及AI助手HistAgent。HistBench含414道题，能检验AI深度认知能力；HistAgent集成多种工具，在测试中表现优异。
对话智源王仲远：机器人的大小脑可能会“合体”，但不是今天
今年智源大会上，智源研究院推出“悟界”系列大模型，如Emu3、Brainμ、RoboOS2.0、RoboBrain2.0和OpenComplex2。智源研究院长王仲远称大模型技术未到尽头，介绍了模型特点及发展趋势，如机器人大小脑融合需时间。
用GPT-6 Astra就能直接控制机器人？可具身真机没那么简单
本文讨论GPT-6 Astra接入机器人控制取得亮眼单项成绩，但真机测试暴露不安全不稳定问题，介绍穹彻智能发布的开源RoboRSI多智能体自进化框架，解决具身智能落地核心痛点，探讨大模型时代具身智能行业的发展方向
华中农大“魔改”芯片电镜，揭示共生固氮暗藏百年的秘密
华中农业大学苏超和刘培文教授团队“魔改”芯片电镜，构建三维显微观测系统，揭示根瘤菌进入宿主细胞路径，发现果胶裂解酶作用，该技术在植物科学属首次应用，有望助农业减氮肥。
搜索智能体也需要「操作系统」：SearchOS 开源多智能体协作框架
人大和蚂蚁的 SearchOS 研究，给出搜索智能体在长程任务中问题的答案。它借鉴数据库理念，做了多项核心设计，在开放信息检索基准评测领先，已提供多种使用方式，值得长程调研尝试。