「AI团队」共找到 11626 篇相关文章
什么都不做就能得分？智能体基准测试出现大问题
随着AI智能体走向实际应用，其基准测试变得至关重要。但现有基准测试问题多，如WebArena判错答案、τ - bench给无操作智能体高正确率。文章提出有效性判据和ABC清单，还揭示主流基准测试诸多问题。
RL训练总崩溃？R1-Reward稳定解锁奖励模型Long-Cot推理能力
多模态奖励模型对提升多模态大语言模型表现至关重要，但强化学习在奖励建模应用有挑战。快手等团队提出R1 - Reward，解决训练不稳定等问题，在基准上超SOTA模型，还在快手业务场景成功应用。
Qwen-Image-2.1开源：轻量高能，创作编辑一体化
通义千问团队正式开源Qwen-Image-2.1图像模型，该模型为7B轻量参数，整合文生图与图像编辑能力，原生支持透明图像生成编辑，做了多方面能力升级，开放多平台供开发者体验。
开源仅 3 天狂揽 7.1K Star！Browser-Use 把 Jev 模型装进了浏览器 Agent！
本文介绍Browser-Use团队开源的jev-ultrafast项目，该项目将新型Jev模型整合进浏览器Agent，通过读DOM替代截图推理，大幅提速降本，开源3天收获7.1K Star，冲上Hacker News首页。
OpenAI总裁：AGI时代来了！GPT-6已能自主干活24小时
本文报道OpenAI总裁Greg Brockman在a16z访谈中的发言，Brockman宣布已进入AGI时代，介绍GPT-6的能力跃升，分享OpenAI在AGI发展、AI安全对齐等方面的最新判断与动作。
Karpathy最新开喷：一句话让全场Agent开发者安静了
Andrej Karpathy在面向Agent开发者的分享中称，当前AI最大错误是急着逼Agent干活，没先搞明白底层大模型。他结合自身经历给出三步忠告，还建议从神经科学找灵感，鼓励开发者。
当 Agent 尝试接管浏览器，连“我是人类”都证明不了？上海交大开源发布交互评测基准 HLL
随着多模态大模型发展，Web Agent 面临验证码挑战。上海交通大学等团队发布 HLL 评测基准，解耦真实度为三维度，对 8 款前沿模型测试，揭示 Agent 在多步交互微操上的短板。
HyperEyes：从「搜得更深」到「搜得更宽」，并行多模态搜索智能体的效率革命
小红书研究团队提出 HyperEyes 模型，打破现有多模态搜索智能体串行处理模式困局。通过全栈设计实现并行多模态搜索范式跃迁，在多基准测试中表现优异，证明准确率与效率可协同进化。
Anthropic、OpenAI、谷歌和微软都认为智能代理控制层是产品，但在定价上存在分歧
近期，Sycamore获6500万美元种子轮融资用于构建自主企业级AI操作系统，Anthropic、OpenAI等也有动作。各实验室都认可智能代理控制层是产品，但在定价和交付模式上分歧明显。
Anthropic开始抢科学家了？周薪2.7万驻场，专治Claude专家级错误
Anthropic新推出STEM Fellow岗位，招募STEM领域专家驻场三个月，周薪3800美元，用其判断力校准Claude输出质量。其三年来科研路线不断加码，正构建科研生态。AI科研瓶颈是判断力而非算力。