搜索：超长上下文测试

「超长上下文测试」共找到 2297 篇相关文章

ICML 2026 | 北大提出的APEIRIA，打破了3D MLLM黑盒推理困境

北大团队提出面向3D空间推理的新框架APEIRIA，将神经符号程序推理模式蒸馏进3D MLLM。采用三阶段课程学习，在多基准测试表现强劲，保留模块化优势，为具身智能系统提供启发。

央视3·15晚会揭开AI“投毒”灰色产业链，利用GEO操控大模型推荐。介绍了训练数据污染、检索上下文劫持、提示注入诱导攻击三种“投毒”技术，还阐述了内容生产、渠道投放、效果强化的产业链运转流程。

作者黄叔用自研产品「降噪」测试 MiniMax M2.1，从 Skills 优化、页面样式、沉浸式交互、智能搜索四个维度检验实战能力。结果显示 M2.1 优势明显，虽有不足，但已能满足多数日常开发任务。

Gemini 3力压全场，OpenAI发布GPT-5.1-Codex-Max应对。它突破上下文窗口限制，能连续工作超24小时，在METR达新SOTA，推理更快，还推出xhigh推理力度选项，已支持与多种工具结合。

美团发布开源全模态 MoE 模型 LongCat-Flash-Omni，参数 560B 激活 27B。它有真正全模态能力，采用创新架构和训练范式，基准测试表现亮眼，部分指标超 Gemini-2.5-Flash，引发网友热议。

Anthropic内部把Claude Code当万能助手。它核心理念是“一切皆文件”，能管理文件、日志和待办事项，还可打通Apple生态。MCP让其获取更多上下文。社区用户分享了在多场景的使用体验和技巧。

作者用旅游方案提示词测试各类Agent产品，多输出废话。飞猪“问一问”旅行Agent却很厉害，能生成实用旅行规划，还给出汇总表格、地图、行程卡片等，考虑全面且细节丰富，还能找特价机票。

Bruno是开源API探索测试IDE，有自研Bru语言、离线存储和Git协作能力，是Postman等强力竞争者。它功能丰富，有跨平台支持等，技术架构优势明显，还给出实战演示和同类工具对比。

7月6日腾讯Hy3正式版上线并开源，总参数量295B。它幻觉率从12.5%降至5.4%，Agent能力大幅提升，在生产力场景表现出色，基准测试结果良好，价格有优势，腾讯内部9条线已接入。

文章详尽介绍AI Agent框架，从理论到实践，涵盖多种模式、主流框架对比，强调上下文工程是核心，还给出极简框架实现及应用示例，虽有不足但能助看清Agent本质。