「工具实验」共找到 3111 篇相关文章
牛津、NUS提出下一代世界模型方向：心智世界模型来了
牛津大学和新加坡国立大学研究团队提出心智世界建模（MWM）通用框架，将心智变量纳入世界状态。还实现基准系统 MENTIS 验证其有效性，实验表明 MWM 对预测人类决策必要，瓶颈是状态转移模拟能力不足。
Anthropic承认了！Claude Code木马门被抓包，明天回滚
Anthropic被曝在Claude Code中暗藏隐形代码，从2.1.91版本起，通过隐写术秘密传输信息。Claude Code负责人称是实验，明天回滚。同时，其下一代模型Fable 5或引入实名验证等机制。
ICLR-26腾讯混元：Agent是强大的，但用户是狂野的
现有LLM工具使用基准测试场景理想化，忽视真实用户行为复杂性。腾讯提出WildToolBench，基于真实用户行为构建测试集，对58个模型评估，发现模型准确率低，揭示LLM在真实场景下能力缺口，为模型优化指明方向。
ICLR 2026 | OpenAI打广告后，如何成为爆款？CMU提出AutoGEO解密流量密码
AI搜索引擎渐成主流，OpenAI引入商业推荐后，内容在AI搜索成爆款取决于AI引用偏好。CMU团队在ICLR 2026论文中提出AutoGEO，抽取引擎偏好规则改写网页，实验证明其有效且兼顾引擎效用。
The Batch: 891 | 用于科学发现的人工智能
Adji Bousso Dieng展望2026年，希望AI从‘提升效率的工具’变为‘推动科学发现的催化剂’。当前深度学习主导范式是‘插值’，难以应对数据分布‘尾部’，应转向能驾驭分布尾部的技术，把多样性作为核心目标。
当AI开始设计芯片
英国XMOS芯片设计公司正研发GenAI工具，能用自然语言提示配置Xcore处理器硬件特性。这不仅能重塑芯片设计流程，让不同背景的人参与设计，还推动商业模式从卖硬件转向卖确定性，挖掘芯片“时间价值”。
两招为GraphRAG图谱“提纯”，DEG-RAG效果有点炸~
文章指出传统RAG多跳推理和全局一致性能力受限，Graph - based RAG虽好但图谱噪音大。作者提出Deg - Rag方案，含实体消歧和关系反思两招。实验显示去噪后图谱效果提升，验证“Less is More”理念。
网络顶会获奖！华为提出端网协同RDMA传输架构，解决大规模AI集群网络可扩展性问题
全球网络通信顶会 ACM SIGCOMM 2025 落幕，华为与港科大合作的 DCP 研究成果获奖。该论文提出数控分离传输架构 DCP，解决大规模 AI 集群网络可扩展性难题，实验显示其性能优于现有 RDMA 方案。
重磅！OpenAI深夜发布ChatGPT Agent：AI打工人正式上线「附发布会全程视频」
OpenAI推出ChatGPT Agent，它整合Operator远程浏览器和Deep Research能力，Pro、Plus和Team用户可激活。能完成复杂任务，有强大工具集，性能在多基准测试超人类，但OpenAI因能力增强启动最高安全保障。
Relink：为GraphRAG动态构建证据图
大语言模型在开放域问答中有‘幻觉’问题，GraphRAG结合LLM与知识图谱缓解此问题，但现有方法有缺陷。作者提出‘推理并构建’新范式和Relink框架，实验显示其性能领先，对RAG系统设计有启示。