「小实验」共找到 2223 篇相关文章
Agent搜索哪家强？人大高瓴&快手联合发布全新评测基准GISA
人大高瓴与快手联合发布全新评测基准GISA，用于评估智能体搜索能力。它解决了现有基准反向构造、评估维度单一、答案易被记忆等问题，含373个高质量查询，实验显示当前搜索智能体距人类水平差距大。
不改模型也能提升推理性能？ICLR投稿提出测试时扩展新范式OTV
ICLR 2026投稿论文提出单token验证（OTV），是测试时扩展新机制，让模型能边推理边判断正误。它基于并行思考思路，借助轻量内部验证器分析推理过程，实验显示其性能优于主流方法。
在微信中用 Google 登录，很难吗？
作者开发基于 LLM 的个性化实时快讯小工具，开发登录功能时发现微信里用 Google OAuth 登录失败，源于 Google 安全限制。众多产品有糟糕体验却未解决，作者用 Claude Code 轻松搞定，还分享 AI 编程观点。
VerlTool重塑Agentic RL的训练生态
当前LLM像‘缸中的大脑’，缺乏与外界互动能力。新范式ARLT兴起，但构建训练框架面临诸多挑战。VerlTool作为统一、模块化、高效的开源框架应运而生，解决难题，在多任务实验表现出色，推动LLM向智能体转变。
普林斯顿等高校提出AgentDistill：无需任何训练即可继承大Agent复杂能力，性能提升48%，成本降低90%
在AI领域，大型语言模型智能体计算需求大限制部署，传统蒸馏技术对智能体效果有限。AgentDistill提出解决方案，让学生智能体复用教师智能体的MCP工具包，无需训练继承复杂能力，小模型性能显著提升。
论文秒变海报！开源框架PosterAgent一键生成顶会级学术Poster
本文介绍开源框架PosterAgent，它能一键将论文转为可编辑的学术海报。相比GPT - 4o，其生成指标优、token使用量少、成本低。研究团队构建评估标准Paper2Poster，实验显示PosterAgent在多方面表现出色。
AI的“铟”谋：暴涨的稀散金属，正在反噬谁？
AI虽未必造成铟短缺，却改变其未来价值预期，投机资金借此炒作，使铟价脱离产业实际。铟在总量上有盈余，但高纯铟产能不足，且市场流通盘小，价格被炒高，给中国制造业带来阵痛。
ICML 2026 | 西湖大学提出 PiEvo：基于原理进化的科学发现智能体框架
西湖大学研究团队提出PiEvo框架，将科学发现重点从“搜索假设”转变为“进化科学原理”，通过不确定性最小化实现原理空间自主扩展。该框架构建双循环优化机制，实验结果显示其核心指标超越SOTA，收敛速度大幅提升。
今夜，OpenAI杀死了GPT-4o
2月14日凌晨2点，OpenAI经典模型GPT - 4o正式下线，引发用户强烈不满。大量用户悼念，有人取消订阅。此前OpenAI曾想下架它，用GPT - 5替代。此外，GPT - 4o微型版用于Retro Bio长寿实验，引发用户痛斥。
周末我去泡温泉按模，顺带做了黑客松评委，看到了下一个趋势
作者黄叔参加百度世界与小红书科技打造的黑客松活动，其赛道分解决实际需求和精神需求两类。10 年出生小朋友获一等奖，作品创意惊艳。活动体现开发门槛降低、开发者多样，AI 应用效果涌现。