搜索：学术搜索评测

「学术搜索评测」共找到 1168 篇相关文章

Agent不会搞科研？人大微软开源框架&工具包解决盲目试错通病，抱抱脸日榜第一

AI智能体虽能完成多项任务，但大多难以自主科研，易陷入盲目试错。人大和微软研究者提出Arbor框架与工具包，借助Hypothesis - Tree对优化空间结构化探索，多方面表现出色，荣登Huggingface日榜第一。

Datacurve推出新基准DeepSWE，号称「零污染」，用113道原创题挑战旧编程榜单。它使GPT和Claude名次逆转，揭示旧基准验证误差大、存在作弊现象，虽有局限，但反映编程基准竞争转向抗污染和验证可信。

研究人员李博杰在arXiv发布论文，提出“不可压缩知识探针”评测框架，仅通过黑盒API调用逆向估算LLM参数规模，给出GPT-5.5等模型参数量估算，引发社区广泛讨论与争议。

ICLR 2026 将于 4 月 23 日至 27 日在巴西里约热内卢召开，收到超 1.9 万篇有效投稿，录取率约 28%。同期上海 AI 实验室将举办交流会，邀全球 AI 英才，搭建学术与产业对话桥梁。

OpenAI发布GPT - 5.4，全面反击Gemini 3.1 Pro和Claude Opus 4.6。它是首个有「原生电脑使用」能力的通用模型，各维度无短板，成绩炸裂，定价也创新高。

开源君发现开源Shell历史管理工具Atuin，它用Rust编写，将命令结构化存到SQLite数据库，记录丰富上下文信息。兼容主流Shell，有专属搜索UI，功能强大，安装方便，提升命令行历史体验。

过去几年，机器人行业面临模型与数据绑定特定场景、能力难以泛化的问题。近日，高德发布 ABot 系列具身基座模型，补齐行业能力缺口，标志具身智能从定制系统转向统一模型，有望降低开发门槛。

开发者等常需在服务器或命令行环境查看Word文档，传统方式低效。开源神器doxx基于Rust开发，无需Microsoft Word等软件，有保留格式渲染、全文搜索等功能，还提供多种安装渠道。

香港科技大学研究团队提出 RebuttalAgent 框架，将心智理论引入学术 Rebuttal 任务。它通过 TSR 框架拆解任务，先‘读心’再‘落笔’，能生成有说服力回复，还可作为‘思维外挂’提升小模型表现。

Win系统装软件易遇‘全家桶’，开发者管理包管理器繁琐。开源神器UniGetUI可聚合主流包管理器软件源，在清爽界面搜索、安装、更新和卸载软件，功能丰富，还提供多种安装方式。