「测评提升」共找到 3030 篇相关文章
TACO: 让 CLI Agent 在自主迭代中学会丢掉无用上下文
由多校及研究团队联合提出 TACO，这是无需训练、即插即用的终端智能体自进化观测压缩框架。它能让智能体学习压缩规则，过滤低价值输出，保留关键线索，实验显示其提升了任务成功率和 token 效率。
AI真能搞钱了！这家公司把大模型玩成闭环赚钱机器
当全行业还在卷大模型参数、烧算力时，零犀科技走出不同路。其自研因果大模型，用AI智能体帮企业提升销售。2025年已实现规模盈利，成为最早跑通商业闭环的大模型应用公司。
GPT-5刚刚正式发布，首次面向免费用户开放
OpenAI正式发布GPT - 5，有架构统一、性能大幅提升、全用户开放三大核心变化。测试数据显示性能进步明显，采用新定价策略面向所有用户开放。但演示未带来突破感，编程能力还面临Claude Opus 4.1挑战。
Meta-Think ≠ 记套路，多智能体强化学习解锁大模型元思考泛化
上海交通大学等团队提出ReMA框架，将复杂推理解耦为元思维和推理智能体，通过迭代强化学习协作。在单轮实验中，ReMA在多基准测试表现优；多轮实验虽有提升但不稳定，需进一步探索。
帮大模型提速80%，华为拿出昇腾推理杀手锏FlashComm，三招搞定通算瓶颈
在大模型推理通算难题凸显的背景下，华为数学家祭出 FlashComm。它包含三项技术，分别在 AllReduce 通信、以存换传、多流并行方面优化，解决通信瓶颈，提升推理性能，未来还将围绕多方向创新。
DeepSeek低价风暴打服硅谷！海外平台争相倒贴V4 Flash
DeepSeek V4 Flash掀起价格风暴，全球开发者为之疯狂。海外平台如Nous Portal、Cline等纷纷补贴，其能力大幅提升，价格却极低，让开发者更愿尝试开源模型，AI应用层或迎转机，且DeepSeek Code可能将至。
Cursor迎来史诗级更新，关于Cursor 1.0.0版本，这里有你需要知道的一切！
2025年6月5日，上线2年的Cursor迎来首个正式版1.0.0。此次更新功能多且关键，如上线代码审查工具Bugbot、全面开放后台代理功能等，虽提升了开发效率，但部分功能有使用成本，对新手不太友好。
DeepSeek R1 的小更新，却大有深意？
5月28日，DeepSeek低调宣布R1模型小版本试升级，API接口和使用方式不变，但未公布具体更新内容。从用户反馈看，语义理解、逻辑推理等能力提升，实测表现出色。此次升级或有安全、产品路线等考量。
Cursor发布Composer 2：专攻代码的模型，价格只有GPT-5的零头
Cursor本周发布自研编程模型Composer 2，只攻代码生成。其得分提升，超Claude Opus 4.6，接近GPT - 5.4 Thinking。训练基于代码数据，处理复杂编程任务准确度高，价格远低于竞品。这是Cursor全栈布局，欲掌握AI编程主动权。
UniSteer用机械臂「拼豆」：让人类指导进入VLA噪声空间强化学习
视觉 - 语言 - 动作模型（VLA）是机器人操作重要基础模型，但复杂任务成功率低，真机强化学习成本高。微软等机构研究者提出 UniSteer，将人类纠正转换成噪声监督，在多任务测试中提升了成功率。