北大发布学术搜索评测ScholarSearch：难倒一众DeepResearch的“开卷考试”
北大发布学术搜索评测ScholarSearch：难倒一众DeepResearch的“开卷考试”LLMs能当科研助手了？ 北大出考题，结果显示：现有模型都不能胜任。
来自主题: AI技术研报
10134 点击 2025-06-27 10:06
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
LLMs能当科研助手了？ 北大出考题，结果显示：现有模型都不能胜任。
细胞治疗，尤其是CAR-T，被誉为“活的药物”，但其开发与生产面临着一个根本性挑战：我们难以精准控制和预测这些活细胞在人体内的最终状态和功能。同一批次生产的CAR-T细胞，有的能高效清除肿瘤，有的却迅速“耗竭”，这种功能异质性是制约疗效、导致高昂制造成本的核心瓶颈。如何通过基因编辑等手段，将细胞调整到最理想的“战斗”状态，是该领域亟待突破的圣杯。
想搞一门副业，却卡在想法一团浆糊？全网首个交互版Deep Research悄然上线，化身AI最强辅助，让零散灵感秒变超硬核行动方案。
这款 Agent 擅长多轮搜索和推理，平均每项任务执行 23 个推理步骤，访问超过 200 个网址。它是基于 Kimi k 系列模型的内部版本构建，并完全通过端到端智能体强化学习进行训练，也是国内少有的基于自研模型打造的 Agent。
近日，Basecamp Research宣布推出生物序列数据库BaseData™，包含超过9.2万亿个Token的基因组数据以及98亿条经过严格筛选与校对的蛋白质序列，其中许多来自公司所发现的超过100万个新物种。
圈粉无数的Arc浏览器，在AI加持下华丽丽“变身”了——
作者介绍： 本文作者来自通义实验室 RAG 团队，致力于面向下一代 RAG 技术进行基础研究。该团队 WebWalker 工作近期也被 ACL 2025 main conference 录用。
就在刚刚，Meta 又有新的动作，推出基于视频训练的世界模型 V-JEPA 2（全称 Video Joint Embedding Predictive Architecture 2）。其能够实现最先进的环境理解与预测能力，并在新环境中完成零样本规划与机器人控制。
测试时扩展（Test-Time Scaling）极大提升了大语言模型的性能，涌现出了如 OpenAI o 系列模型和 DeepSeek R1 等众多爆款。那么，什么是视觉领域的 test-time scaling？又该如何定义？
能够完成多步信息检索任务，涵盖多轮推理与连续动作执行的智能体来了。通义实验室推出WebWalker（ACL2025）续作自主信息检索智能体WebDancer。