「长任务」共找到 2435 篇相关文章
马斯克Grok-4卖货创收碾压GPT-5！AI卖货排行榜曝光，AGI的尽头是卖薯片？
新智元报道，「Vending Bench」榜单让大模型经营自动售货机一较高下。Grok - 4卖货能力超GPT - 5，销量约高2倍，营收增31%。此测试揭示AI长周期决策挑战，引发AGI定义讨论。
一篇120页AI4Research（科学研究AI）最新系统性综述
为填补AI在科学研究应用缺乏全面综述的空白，提出AI4Research调查。其主流流程和分类分五个关键领域，各领域细分任务，凸显AI在研究中多样角色，还介绍多学科应用。
The Batch: 968 | Muse Code 想获取你的数据
Meta推出Muse Code编码框架及Muse Spark 1.2模型，有不同输入输出、功能和性能表现。提供不同档位价格，贡献者档位低价但数据用于训练。测试显示其单任务成本低，Meta此举或为获取编码训练数据。
真狠！4 万 Star CodeWhale，AI 写代码最怕的是什么？？？？
文章介绍开源的CodeWhale，它是terminal coding agent harness，GitHub超4万Star。它给代码Agent定规则，涵盖身份、证据等原则。支持多模型，有任务流程和多Agent协作功能，还分析适用人群并给出启动方法。
英伟达世界模型再进化，一个模型驱动所有机器人！机器人的GPT时刻真正到来
英伟达GEAR实验室提出DreamZero，是基于预训练视频扩散骨干网络的世界动作模型，有140亿参数，能让机器人通过文本提示完成未见任务。它解决了传统模型问题，在多方面表现出色，代码已开源。
谷歌新模型登顶Nature，人类基因密码被解码
谷歌推出全新AI工具AlphaGenome，能精准预测人类DNA序列变异对调控基因生物过程的影响。它满足多项条件，在26个变异效应benchmark中25个达SOTA，还通过多个案例和实验验证了其性能。
Hexstrike AI在多个工具及模型上的渗透测试表现
文章围绕Hexstrike AI在多个工具及模型上的渗透测试展开。介绍测试环境，用不同难度靶机测试。分析Claude desktop+Sonnet 4.5、AIaW+Deepseek、Cursor+多个模型等组合表现，指出LLM辅助渗透测试任重道远。
软件正在吞噬劳动力：直接取代人类，捕获前所未有的经济价值
a16z 普通合伙人 Alex Rampell 演讲指出，软件正从辅助人类转向直接取代劳动。过去软件是将文件柜数字化，如今正从记录工具变为任务执行者，这将催生新商业模式，捕获巨大经济价值。
Ollama 推出免费搜索API + MCP集成：Cline、Codex一键接入网络搜索（ + Qwen 搭建迷你搜索代理 ）
Ollama推出免费Web搜索API，个人使用免费，本地和云端模型均可调用，还出了MCP服务器。它能让开源模型执行长期研究任务，还介绍了用其与Qwen搭建迷你搜索代理及MCP集成的方法。
OpenAI编程新王GPT-5-Codex发布，7 小时搞定复杂代码，准确率飙升
OpenAI发布编程系统GPT - 5 - Codex，它是GPT - 5针对Codex产品的升级。能独立处理复杂编程任务，在性能、代码审查、前端开发等方面表现出色，还有严密安全体系，驱动Codex产品生态升级。