「任务执行能力」共找到 4803 篇相关文章
ACL 2025｜自我怀疑还是自我纠正？清华团队揭示LLMs反思技术的暗面
本文指出反思技术虽简单有效，但在多种LLMs和任务中会失败。清华团队剖析其在开源和闭源LLMs、四种任务上失败原因，提出轻量级缓解方案，为反思技术可解释性研究奠基。
我给 Claude Code 加装了 MiniMax M2.5：它像“法拉利”，但更像一台工作机
作者给 Claude Code 加装 MiniMax M2.5 模型，测试其编程、上下文记忆等能力。M2.5 在多方面表现出色，能高效完成各类开发任务，还具备良好的中文处理能力，性价比高。
谷歌Nano Banana全网刷屏，起底背后团队
谷歌开发者节目展示了Gemini 2.5 Flash Image模型，它能快速生成高质量图像、保持场景一致。文中起底背后团队成员，还介绍模型技术亮点、与Imagen对比及未来能力展望。
原生Agent杀入画布！一站式搞定专业创作，全程可控、不抽卡
国内RunningHub平台推出原生AI智能体全能内容创作平台RHTV，它能一站式搞定专业创作，流程可控。实测显示，它能编排短剧、生成商用物料，还内置影视级工具，且依托庞大生态，能力无上限。
ACL'25 | CIGEval：一种基于多模态大模型的可控生图评测智能体
阿里国际AI团队提出CIGEval，这是基于多模态大模型驱动的图像生成评估智能体框架。它集成多功能工具箱，通过任务拆解与工具调度提升评估准确性与可解释性，已在ComfyUI - Copilot上线。
Anthropic最新论文：检测LLM内省意识的方法
Anthropic与MIT等研究表明，LLM能‘感知’被注入的steering vector，‘内省意识’在DPO等后训练阶段涌现。研究构建实验，发现内省能力行为稳健、检测非简单线性关联等，还揭示检测与识别机制不同及两阶段电路。
机器人界的「Imagenet 时刻」，李飞飞团队官宣全球顶级具身智能挑战赛
李飞飞团队与斯坦福AI实验室官宣首届BEHAVIOR挑战赛将登陆NeurIPS 2025。这是具身智能“超级benchmark”，涵盖1000个日常任务，以50个长时段任务为核心赛题，还是全面的具身智能研究资源。
OpenAI 推出 gpt-realtime：语音智能体进入“秒回”时代，开发者直呼交互更自然
OpenAI 发布语音对语音模型 gpt - realtime，开放 Realtime API。其结合可端到端处理语音，缩短响应时间。模型语音质量、理解能力、函数调用能力提升，API 全面升级，多家企业已试点，还强化了安全措施。
两张图定位全球，o3碾压T0级高手！人类「诡计」被看穿，跨模态推理爆表
OpenAI的o3在GeoGuessr游戏中与大师级玩家Sam Patterson对决，o3通过视觉与搜索推理，忽略伪造EXIF信息，最终以23179比22054获胜，展现出跨模态推理潜力，引发对AI推理能力的思考。
重塑记忆架构：LLM正在安装「操作系统」
现代大型语言模型（LLM）存在「记忆缺陷」，难以维持长期记忆。近期关于大模型记忆的研究增多，如 MemOS 等。文中介绍了长上下文处理能力与记忆的关系、记忆类型，以及实现 LLM 记忆的多种方法和相关研究成果。