NEBench R1拆解核工程大模型推理:答对不等于会推理
NEBench R1 将美国核管会反应堆操作员许可考试整理为 7,546 道多项选择题,覆盖 18 座核设施,并按 NRC 知识与能力目录标注、配有官方解释。六个受测模型准确率从 …
智客 ZICQ 每日整理大模型、开源基础设施与开发者现场的 AI 新闻与深度文章。
投稿技术文章当前筛选: 标签: #SAM 3 清除筛选
NEBench R1 将美国核管会反应堆操作员许可考试整理为 7,546 道多项选择题,覆盖 18 座核设施,并按 NRC 知识与能力目录标注、配有官方解释。六个受测模型准确率从 …
前沿论文· 2026-11-18
论文发布危机咨询评测套件CrisisBench,以200段去标识化热线对话构造1,085个单轮任务,并用热线元数据生成1,185个患者LLM,配合经专家校准的23项LLM裁判。五个…
智能体· 2026-11-18
DeltaHarness把智能体工具调用从静态执行脚本改造成可由实测反馈迭代的策略搜索系统:系统从冷启动测量出发,更新运行时调度与物理执行计划,并挑选后续实验,再由独立确认面板决定…
前沿论文· 2026-11-17
Heave-Ho提出面向长程移动操作的去中心化多人形机器人协作框架:底层以多智能体后训练改造人形基础跟踪模型,使机器人仅凭局部观测处理身体耦合;高层由视觉语言规划器生成任务计划,并…
前沿论文· 2026-11-17
TCP4D面向单目机器人视频,把工具中心点(TCP)位姿作为跨机型统一动作空间,以同一套4D场景表征同时完成TCP跟踪与未来轨迹生成。跟踪器从初始2D查询恢复SE(3)位姿、夹爪状…
前沿论文· 2026-11-17
π⁴把无标定单图、无序多图与视频统一到约0.5B参数的共享骨干中,一次前向同时输出稠密几何、相机位姿、度量尺度、2D/3D点轨迹及运动掩码。模型以几何分支约束运动分支:先预测图像对…
前沿论文· 2026-11-17
论文把模型构建从梯度训练转向“权重空间编程”:在仅10个标注样例、少量指引和沙箱环境中,让三种前沿LLM直接生成固定架构权重,或自行设计架构。三者均选择把文本事实编译为稀疏表并以固…
行业动态· 2026-11-17
英伟达临时CEO在黄仁勋离任后重申,公司的开放AI战略不会改变,并称计划收购模型与数据社区平台Hugging Face。若交易推进,英伟达将同时触及GPU与CUDA、模型分发、工具…
算力架构· 2026-11-17
Amazon SageMaker HyperPod Inference 已支持托管 NVIDIA Dynamo,可在多节点上拆分 Prefill 与 Decode,并通过 EFA …
智能体· 2026-11-17
OpenAI在ChatGPT中推出Sales插件,并新增或扩展30余项合作伙伴插件,将潜客研究、销售提案准备、CRM更新与交易推进串联为可调用的工作流。其价值不在新增独立模型,而在…
智能体· 2026-11-17
AWS 展示 Flightscape 在 Bedrock AgentCore 上处理 20MB 以上 JSON 智能体的三层方案:重型产物卸载至 S3 并以 SHA-256 内容寻…
算力架构· 2026-11-17
Amazon SageMaker AI 为实时端点新增 KV_AWARE 路由。模型容器通过事件流上报 KV Cache 的写入与淘汰,托管索引仅保存截断单向哈希和实例指针;请求到…