GPT-6-Astra 以 98% 准确率解决物理研究问题
推荐理由:GPT-6-Astra 在物理研究问题测试中表现出色,达到 98% 的准确率,展示了 AI 在具体计算方面的潜力。
推荐理由:GPT-6-Astra 在物理研究问题测试中表现出色,达到 98% 的准确率,展示了 AI 在具体计算方面的潜力。
推荐理由:Apertus 1.5 模型在多模态理解、推理能力和工具使用方面进行了显著提升,读者可以了解其开放性和训练过程。
推荐理由:该研究提出了一种无需训练的跨语言模型事实通信方法,通过共享词索引和接收器本地方向,支持模型家族之间的选择性事实使用,具有潜在的应用价值。
推荐理由:HiRO-ACEv2 模型在模拟极端天气事件方面表现出色,为研究人员提供了一种灵活且经济的生成高分辨率气候数据的方法。
推荐理由:Open SWE 提供了一个开源框架,旨在帮助组织构建内部编码智能体,读者可以了解其架构和功能,并评估其对现有工作流的影响。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
We did not know how long Microduck would actually last on battery We had thermal management issues with our Radxa prototypes: throttling after just 20 minutes, followed by an overheating shutdown. We addressed this with the new custom board. To test it, we let Microduck roam autonomously in a dedicated area, walking around, standing and sitting until the battery ran out. The results are way better than we hoped :) - Over 3 hours on a 2600 mAh battery. - Estimated average battery current dropped from ~1.13 A to ~0.82 A, roughly 28% less. - Peak CPU temperature dropped from 114°C to 60°C, with zero thermal throttling throughout the test. This time, the battery ran out before the cooling did :) Very happy with the progress!
推荐理由:Nemotron 在 IOI 和 IMO 竞赛中表现出色,展示了其在特定领域模型构建中的潜力。
推荐理由:ReviewBench 提供了一个全面的 AI 代码审查基准,有助于评估不同代码审查系统的性能和适用性。
推荐理由:ThinkingBox 通过评估AI代理在业务流程中的表现,揭示了模型在一致性方面的挑战,为读者提供了评估AI代理可靠性的新视角。
推荐理由:AutoSynthData 通过利用目标模型的失败和更强的教师的成功来决定模型接下来应该学习什么,然后生成和验证新的任务来锻炼这些能力,有助于提高企业智能体的性能。
推荐理由:原文提出了针对MCP智能体的源意识验证方法,有助于提高事实性验证的准确性。