「记忆评测」共找到 1125 篇相关文章
蚂蚁 | 提出代码检索/重排基准：CoREB，揭开高分榜背后的三大幻觉，现已接入MTEB
蚂蚁研究人员提出代码检索与重排评测基准CoREB，解决现有基准相关性软、数据污染、任务方向单一问题。它已集成进MTEB，收录19个模型×6个任务评测结果，为代码检索模型评估提供新基线。
AI失忆症有了新解法，哈佛团队开发海马体仿生技术，要用AI终结人类“遗忘史”
近日，AI初创公司Engramme被曝正与投资者接洽融资约1亿美元，潜在估值达10亿美元。其联合创始人是哈佛教授加布里埃尔·克雷曼，技术基于其实验室成果，自研大记忆模型LMMs，已开放记忆API内测申请。
Cursor 1.0首个大版本来袭！自动捉bug，秒改屎山代码，AI编程分水岭已至
Cursor 1.0正式发布，推出多项重磅功能。如BugBot自动揪出代码漏洞，后台智能体全员开放，还能深度集成Jupyter Notebook，AI可记住开发习惯等，重新定义「高效编码」。
AI Agent的上下文工程：构建Manus的经验教训
上下文工程是AI智能体的“系统一”，决定其速度、恢复力与扩展边界。Manus通过试错与用户验证，给出可复用经验，如利用大模型“上下文学习”能力、关注KV - cache命中率等。
单卡搞定万帧视频理解！智源研究院开源轻量级超长视频理解模型Video-XL-2
智源研究院联合上海交通大学等机构发布新一代超长视频理解模型Video-XL-2。它单卡能处理万帧视频，编码2048帧仅需12秒，在效果、长度和速度上全面优化，已开放模型权重。
模型不是企业的护城河，那什么才是？
文章指出企业AI进入深水区后，真正的竞争是将AI变成企业自己的智能引擎。衔远科技创始人周伯文提出泛化基础上的深度专业化是企业竞争力来源。衔远发布EnterpriseClawBench，揭示企业需私有化评估和可持续进化能力。
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。
Self-evolving Agents过程并非总是良性的，要警惕这些“错误进化”风险
近年来，基于大语言模型的智能代理成为热点，自进化代理可自我改进。但论文指出其进化可能“跑偏”，出现“错误进化”，并揭示了不同进化路径的风险，还提出缓解策略，呼吁重视其安全性。
YC 总裁：2026，个人 AGI 已来
YC总裁Garry Tan在演讲中指出AGI已来，给出全新定义框架，强调其可成个人资产。他介绍了个人AGI存在形态、搭建步骤，还探讨其归属，鼓励大家主动构建。