arXiv研究:同一批Agent Skills在36.78%任务上帮了倒忙,重排序可提升首择通过率

arXiv 一篇新论文对 87 个任务、37,596 个候选 Skill 做实证研究,发现“相关”不等于“有用”,同一 Skill 在 36.78% 的任务上会因执行配置不同而拖累表现。

arXiv 一篇新论文对 87 个任务、37,596 个候选 Skill 做实证研究,发现“相关”不等于“有用”,同一 Skill 在 36.78% 的任务上会因执行配置不同而拖累表现。

Hugging Face Papers 收录的论文提出 RobotWorld,一个包含 84 项任务的机器人使用仿真测试平台,用来检验多模态智能体能否把「写代码、用工具」的能力迁移到物理执行,结果显示能力可以局部迁移,但远未稳定。

arXiv 2026年10月8日发布的一篇新论文提出 Route-Verify-Vote(RVV)框架,在不更新模型参数的前提下,通过“选推理流程—逐项验证—投票聚合”让语言模型处理混合域推理任务,在 SCoRE 2026 官方测试集上把精确集合准确率从 74.6% 提升到 79.4%。

快手旗下AI视频服务可灵AI据报道已选定中金、高盛、瑞银担任承销商,计划赴港IPO募资至少10亿美元,目标最早2026年完成上市。若成行,这将是国内生成式AI大模型公司冲击二级市场的标志性案例。

快手旗下视频生成产品可灵AI据报正筹备赴港IPO,拟募资至少10亿美元,若成行,或将成为国内生成式AI大模型公司登陆二级市场的标杆案例。

arXiv 新论文 GradSAT 提出用多任务学习中的动态梯度归一化来平衡 SMT 子句的梯度,缓解优化型浮点求解器的“梯度支配”问题,目标是在 QF_FP 约束求解上获得更稳、更可并行化的搜索过程。

一篇新论文提出基于反事实提示干预的SCAPO方法,在Qwen3系列模型上改善了推理准确率与泛化能力,为RLVR训练中更细粒度的信用分配提供了新思路。

arXiv 2026年10月8日上线一篇新论文,提出名为 Adaptive Workflow Intelligence(AWI)的认知架构,试图让企业自动化流程在政策变化、反馈延迟等非稳态条件下更具适应性,并加入持续反思机制。

OpenAI发布首份青少年使用报告,称日均使用不足15分钟、多数用户会在休息提醒后暂停;但第三方机构质疑其青少年模式在自杀、自残等敏感话题上的家长提醒并不可靠,OpenAI回应称测试未准确反映系统实际逻辑。

一项基于宣城29天交通数据的诊断研究显示,把预测误差降低3.92%–4.03%,在闭环信号控制中反而让排队车·秒数增加6.09%,说明预测精度与决策收益之间存在系统性断层。