「搜索结果」共找到 904 篇相关文章
首个语音智能体端到端测评出炉：Grok登顶，真实场景通过率仅一半
Artificial Analysis推出业内首个语音转语音智能体端到端性能基准τ - Voice，测试真实客服场景能力。结果显示最强S2S模型成功率刚过一半，Grok Voice Think Fast 1.0夺冠，但也面临诸多质疑。
Auto Research最后一块拼图，Frontier-Eng Bench登场，在工程闭环里死磕最优
Einsia AI旗下Navers Lab论文Frontier - Eng推出新评测范式Generative Optimization，搭硬核评测系统，覆盖47个横跨5大工程方向的任务。评测多种模型，结果显示gpt 5.4最稳健，但距资深工程师水平尚远。
Coding Agent 的一个啊哈时刻
作者翻用Codex在SGLD做Qwen - Image/HunyuanVideo的modelopt fp8支持的记录，发现Coding Agent思考过程与人类思路高度一致，如对比中间图和结果图判断量化精度，Infra领域核心技能或被其解决。
Clawdbot一夜爆红，首个0员工公司诞生！7×24h永不下班
退休码农造出的AI Clawdbot在硅谷爆红，搜索量超Claude Code。它是AGI雏形下的智能体，能在本地电脑运行，可被多方式操控，效率高。不过，它诞生不久，试用中有不稳定情况和安全隐患。
悲报！Stack Overflow彻底凉了，比18年前上线首月问题数量还少
曾经的程序员问答圣地Stack Overflow凉透了，如今提问数量比18年前上线首月还少。它曾是Google技术搜索默认落点，巅峰时有180多个子站。AI兴起改变开发者习惯，加上自身问题，使其走向衰落。
ICLR 2026出分，审稿员怒喷「精神病」！DeepMind研究员教你绝地求生
ICLR 2026评审结果公布，投稿量近2万篇创新高，但分数滑坡，平均分从5.12跌至4.2。审稿人吐槽质量低，甚至有怒喷‘精神病’的情况。DeepMind研究员提供论文反驳指南，称同行评审像‘随机数生成器’。
SGLang 优化Triton FusedMoE 的一个新技巧
蚂蚁在SGLang中提交优化PR，针对Fused Triton MoE的Down Projection kernel加入TMA优化，在DeepSeek - R1模型的H200 TP8 prefill场景下性能提升显著，还详细分析了优化背景、思路、实现细节及测试结果。
700万参数击败DeepSeek R1等，三星一人独作爆火，用递归颠覆大模型推理
今年6月Sapient Intelligence提出的HRM影响大模型推理结构，四个月后三星研究员Alexia Jolicoeur - Martineau推出TRM，700万参数模型在推理基准测试中超越参数多10000倍的模型，还介绍了TRM原理、改进及实验结果。
T2R-Bench发布：业内首个由表格生成报告工业基准
为解决大语言模型将表格信息转化为报告的难题，研究团队提出“表格到报告”任务，构建双语基准T2R - bench，其涵盖多垂域表格，还设计评价指标体系，实验显示大模型在该基准上提升空间大。
苹果秋季新品发布会，全系全面拥抱AI，比Pro还要Pro的iPhone Air已加购物车。
苹果秋季发布会如期而至，带来AirPods Pro 3、Apple Watch系列、iPhone系列新品。新品在AI功能融合上有进步，如AirPods的实时翻译与心率监测、Apple Watch的健康预警、iPhone的图片搜索与AI翻译等。