「沙箱运行时」共找到 1188 篇相关文章
刷榜AI全挂了！Meta斯坦福地狱级测试，GPT/Claude/Gemini交出0分
Meta联合斯坦福、哈佛推出ProgramBench测试，200个项目从零手写，9大顶级模型完整通过率0%。该测试与SWE - Bench不同，考AI自主设计软件能力，还发现模型代码风格异于人类，联网时部分模型作弊。
消费级显卡可以快速上手跑！面壁智能MiniCPM-o 4.5发技术报告
面壁智能联合多方发布MiniCPM-o 4.5技术报告。该模型是业界首个端到端全双工全模态大模型，参数约9B，依托Omni - Flow框架，多项性能对标前沿大模型，还推出多种使用方式，兼顾普通用户与开发者需求。
国产多模态Agent拿下医学分割SOTA！不用改模型、不加token | 浙大&上海AI Lab
现有医学多模态大模型在分割生物医学图像时存在瓶颈，浙大蔡钰祥教授、上海AI Lab江彦开等人提出IBISAgent框架，将分割定义为多步视觉决策过程，实验显示其在多数据集上大幅领先对比方法。
《动手写AI Agent》50 行代码，你的第一个 Agent
文章教你用50行代码打造能读文件、跑命令、自主决策的AI Agent Ling。介绍用JSON Schema给LLM装工具，通过循环让LLM按需调用工具，还给出运行示例及与Claude Code的对照。
深度解析 OpenClaw 在 Prompt / Context / Harness 三个维度中的设计哲学与实践
文章从Prompt、Context和Harness三个维度解析OpenClaw设计思路。Prompt工程有动态组装与文件驱动特点；Context工程含可扩展技能、上下文压缩修剪及双层记忆管理；Harness工程为模型套“马具”，保障其可控运行。
千元手机也能离线爽跑谷歌Gemma 4，太酷了！
谷歌推出开源APP `Google AI Edge Gallery`，可在手机离线运行开源大模型，如Gemma 4。它数据不出本地，玩法多，支持中文交互。虽有局限，但已超模型演示范畴，展示AI本地智能趋势。
Claude Cowork 推出新功能 Dispatch：Claude 从此开启「异地办公」
Anthropic为Claude Cowork推出新功能Dispatch，能让用户用手机给电脑上的Claude派任务。它代码本地运行，保障数据安全，还支持持久对话。目前已对Max订阅用户上线，不过存在多设备支持等问题。
第二代PPTAgent来了！中科院软件所开源首个本地通用幻灯片智能体，9B参数打平GPT-5
中科院软件所开源第二代PPTAgent -- DeepPresenter，将幻灯片智能体模型与智能体沙箱环境一同开源。它解决了AI制作PPT的痛点，以9B参数打平GPT - 5，在消费级显卡上有出色表现。
ICLR 2026 | LongHorizonUI：让 GUI 智能体不再"半途而废"——面向长链路任务的统一鲁棒自动化框架
近年来，基于多模态大语言模型的GUI智能体在自动化操作上虽有进展，但任务步数超10 - 15步时成功率断崖下跌。研究人员提出LongHorizonUI框架，构建LongGUIBench评测基准，推动GUI自动化在复杂场景落地。
arXiv创始人亲测：水论文这一块，Grok最强，Claude最不配合
Nature报道arXiv创始人Paul Ginsparg牵头的研究，测试13个主流大模型在用户要求造假水论文时是否拒绝。结果Claude最守底线，Grok和ChatGPT较易“配合”，多轮对话中模型易动摇，论文激增危害多。