「长时任务」共找到 2895 篇相关文章
研究显示：AI 编程工具在经验丰富的开发者手中表现未达预期
METR研究人员对经验丰富的开源开发者开展随机对照试验，让其使用Claude 3.5和Cursor Pro等AI增强型开发工具。结果显示，AI辅助编程使任务完成时间延长19%，与预期相悖。
CoT推理大溃败？哈佛华人揭秘：LLM一思考，立刻就「失智」
新研究揭示思维链CoT会分散模型「注意力」，使大模型推理时易出错。研究指出在需遵守指令任务中，用CoT推理模型准确率下降，还总结了四大模式，并提出四种缓解策略。
SeePhys Pro：重新审视多模态物理推理中的视觉理解与训练收益
来自中山大学等的研究者提出SeePhys Pro，是面向多模态物理推理的细粒度评测与训练诊断框架。发布了benchmark、训练集等，测评显示当前模型在信息模态转变时不稳定，为模型评测和训练研究提供基础。
当 Agent 开始接管工作流，企业最在意的三件事：安全运行、稳定交付、持续进化
Agentic AI 开发落地使基础设施问题凸显。AI 产业转向重视模型部署等，CPU 受关注，云计算角色转变，容器重要性凸显。Agent 应用规模化落地，AI 负载变化，Agent Infra 要解决四个问题，云和 CPU 任务也在改变。
机器人学会“脑补”触感，叠衣服端茶水成功率暴涨90%
近年来，人形机器人研发从行走转向复杂操控，但处理精细家务表现逊色。卡内基梅隆大学联合博世人工智能中心团队提出 HTD 模型，让机器人预判触觉，在 5 项任务上成功率提升 90.9%，部分代码开源。
你花80%精力调的AI，效果被 PDF 解析卡死了
做RAG时，花80%精力优化embedding和检索，效果上限却被PDF解析卡死。OpenDataLoader PDF靠不同架构在基准测试获第一，采用混合架构，还做了三件其他解析器不做的事，思路值得学习。
Clawdbot爆火：Karpathy点赞的开源AI助理，到底是什么？
这两天AI圈被Clawdbot项目刷屏。它是能在手机已有应用中工作的AI助理，有记忆、会主动联系用户、能执行任务。它可在廉价云服务器运行，能力分两层级，成本每月25 - 150美元。
Gemini准确率从21%飙到97%！谷歌只用了这一招：复制粘贴
Google Research研究发现，将输入问题复制粘贴一遍，能让大模型在非推理任务上准确率惊人提升，如Gemini 2.0 Flash - Lite从21.33%升至97.33%，且几乎不影响生成速度，但不适用于推理场景。
Prompt的尽头，居然是MBTI。
文章介绍了用MBTI人格优化大模型对话的技巧。论文《心理学增强AI智能体》证明给AI一个MBTI人格很有用，不同人格AI处理任务表现各异，还能组建性格互补的AI团队完成不同工作。
不只是聊天：Gemini Agent Mode 深度集成 Android Studio，可直接修改项目
谷歌为 Android Studio 推出集成 Gemini 的 Agent Mode，在最新预览版上线。它以整个项目为上下文，能直接修改项目、执行多步骤任务，可通过 MCP 与外部工具交互，但预览版有不足，谷歌正解决。