「工程基准」共找到 1647 篇相关文章
DeepMind 提出 CaMeL，抵御 LLM 提示词注入
谷歌DeepMind研究人员提出CaMeL，作为围绕LLM的防御层，通过提取查询中的控制流和数据流阻止恶意输入，能在AgentDojo基准测试中抵御67%攻击，采用传统软件安全原则。
美团反思“养虾”日耗上千万元、干扰真实经营，龙虾之父自曝：爆火后差点删掉整个项目
今年2 - 3月美团开展“养虾运动”，引入OpenClaw，日耗上千万元还干扰经营。美团CEO王莆中复盘称这是AI转型第一阶段。OpenClaw之父Peter也复盘爆火8个月经历，分享经验与感悟。
DeepSeek Harness 入选项目疑似曝光，不选万星「花瓶」，死磕 Agent 基建
昨晚 DeepSeek V4 Pro 发布，欲迈向“工业级 Agent 生产线”。网上爆出 DeepSeek Harness 内测入选项目名单，筛选重实用功能，多集中在 MCP 插件、Coding Agent 等赛道，还介绍了部分入选项目及战略意图。
谁不想要一条会飞的鱼呢？他们造了个会捣蛋的机器人，拿下了最佳论文奖
庆应义塾大学徐铭阳和香港城市大学李彦衡发表论文Floating Companion，获ACM DIS 2026最佳论文奖。他们研究软体浮空机器人，探讨其与人的关系、交互可能，虽面临浮力 - 质量循环等挑战，但对其未来充满期待。
「虾马」之后，openJiuwen社区发布JiuwenSwarm，引领蜂群智能体新架构，开启「养蜂」时代
华为支持的开源AI Agent平台社区openJiuwen发布并开源蜂群智能体JiuwenSwarm，按下“群体智能”加速键。它基于Coordination Engineering理念，有全栈技术体系，在多领域实战效果好，且单Agent能力强。
国产GPU组了个开源局，把SGLang等核心开发者都摇来了！
国产GPU玩家摩尔线程举办SGLang × MUSA Meetup，邀请众多开源圈开发者。活动探讨如何让国产GPU进入大模型推理主流开源工程链路，显示国产GPU竞争迈向生态坐标之争。
VLA模型为何忽视语言？破解指令跟随幻觉，分布外场景泛化新突破
当前VLA模型常依赖视觉线索而非语言指令，导致新场景表现不佳。论文提出LangForce方法，引入对数似然比损失，强化模型对语言的依赖，提升分布外泛化能力，还保留语言核心功能。
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。
图像编辑模型不止生成：BIGAI&上交大提出EAR范式，系统测试其视觉规划能力
上海交通大学联合北京通用人工智能研究院提出EAR范式，构建AMAZE基准，分析图像编辑模型视觉推理能力。研究发现模型零样本表现弱，扩散式模型更适合视觉规划，CoT效果不稳定等。
AI「看不懂」、「做不好」视频的问题，混元用「MTSS」解决了
腾讯混元团队提出 Multi-Stream Scene Script（MTSS）新视频描述范式，将传统方式升级为‘多流结构化剧本’。它解决了传统方式语义冗余、扩展性差等问题，在视频理解和生成任务表现显著。