搜索
Einsia AI发布Frontier3DBench，在Blender与Unreal Engine中以145项任务评测11种主流模型与Agent框架配置，GPT-6.1-sol总榜第一，但Agent在开放世界连续交互和持久状态协同上仍显薄弱。
香港大学罗晔教授团队发布S²-MAS框架及YN决策模型，以14张GPU在4小时内完成1200万户家庭仿真，YN-mini单卡吞吐量达3.7万token/s，消费金融基准准确率高于Jev 1.13。
清华大学和新加坡国立大学团队提出并开源VISTA，通过Meta-agent自主修改Harness代码且不更新模型权重，将LIBERO-Pro整体任务成功率从17.5%提升至95.0%。
香港中文大学与微软团队提出EchoChat，将感知、心理状态推断与语音回复生成纳入统一优化框架，通过级联门控、SDCA步骤级信用分配和AAA声学注意力约束减少共情推理中的错误传播，相关成果发表于NeurIPS 2026，并发布EchoDialogue-400K数据集与EchoEval评测。
在企业级真实业务与复杂数据分析中，让大模型「一眼看穿数据库并写出完美SQL」，往往只是一个不切实际的幻想。
一道试题对人来说有多难，能否从大模型的解题过程中找到线索？
各大AI框架都错了！
近日，厘清智能创始人、清华大学人工智能学院李一鸣教授团队发布了两项 Physical AI 研究成果：世界动作模型 PrismWAM，以及面向机器人执行诊断与持续改进的 Agentic 框架 RoboDoctor。
智谱唐杰团队发布并开源无标签递归自我改进框架HarnessPro，在SWE-Bench Pro等基准提升通过率的同时，将单任务平均成本降低53.0%。
复旦大学可信具身智能研究院团队提出具身自进化框架RoboSkill，通过触觉反馈确认物理状态并积累、复用含代码的Skill，减少机器人Agent重复探索与推理，缩短任务执行时间。