从一个关键词开始
搜名称,也可以搜场景,比如“AI 写作”“视频剪辑”或“编程助手”。
AI热点 8
论文提出AI智能体Token浪费测量框架AI热点arXiv新论文提出统一框架测量AI智能体token浪费,经干预验证可移除41-46%推理且基本保持任务性能。
Anthropic发布多智能体基准MAMUBenchAI热点Anthropic发布MAMUBench基准,测试显示单一协调智能体在四类多用户环境中均优于各用户自建智能体团队。
SemiAnalysis发布智能体基准GDPxAI热点SemiAnalysis联合14家RL环境伙伴推出通用智能体基准GDPx,覆盖11个高价值领域,最佳模型仅得12%。
ACERL用经验交接强化学习提升智能体性能AI热点arXiv论文提出ACERL方法,通过评估经验交接产物对未来rollout的影响并协同优化角色行为,在智能体基准上取得更高留出性能。
谷歌联合推出MKA多模态智能体基准AI热点谷歌DeepMind联合Artificial Analysis发布MKA基准,评测智能体处理视觉复杂文件的知识工作能力,Gemini 4 Carbon质量排名第二、成本约为第一名六分之一。
上海AI Lab开源Sage S2.1 Flash技术报告AI热点上海AI Lab联合多家机构发布Sage S2.1 Flash技术报告,披露320B MoE架构与科学多模态感知模块,四项智能体基准取得第一。
书生-S2.1 Flash开源,MLE-bench登顶90.3分AI热点上海人工智能实验室等机构发布并开源科学多模态大模型书生-S2.1 Flash,在MLE-bench Lite取得90.3分登顶。
Unsloth发布Qwen3.8-27B量化版AI热点Unsloth发布Qwen3.8-27B Dynamic V3.1 GGUF量化版本,智能体基准平均领先5–10%。