关键词 "推理" 的搜索结果， 共 24 条, 只显示前 480 条
Code Researcher是微软研究院推出的深度研究Agent工具，专门用于处理大型系统代码库及其提交历史，自动化修复系统代码崩溃问题。通过三个阶段工作：分析（Analysis）、合成（Synthesis）和验证（Validation）。在分析阶段，Code Researcher基于多步推理策略，结合代码语义、模式和提交历史信息，收集上下文并存储在结构化内存中。合成阶段基于收集到的上下文生成修
Hailuo 02 是 MiniMax 公司推出的全新AI视频生成模型，是Hailuo 01的升级版本。这个模型目前在图生视频、文生视频的榜单位于第二，超越快手的可灵以及谷歌的Veo3，仅次于字节上周刚刚发布Seedance 1.0 。Hailuo 02在多个方面进行了技术创新，包括底层架构的全面重构，训练和推理效率均提升了2.5倍。Hailuo 02 在复杂指令响应率上达到了85%，显著高于竞品
MiniMax-M1是MiniMax团队最新推出的开源推理模型，基于混合专家架构（MoE）与闪电注意力机制（lightning attention）相结合，总参数量达 4560 亿，每个token激活 459 亿参数。模型超过国内的闭源模型，接近海外的最领先模型，具有业内最高的性价比。MiniMax-M1原生支持 100 万token的上下文长度，提供40 和80K两种推理预算版本，适合处理长输入
ThinkChain是开源框架，提升AI工具的智能交互能力。框架将工具的执行结果实时反馈到AI（如 Claude）的思考过程中，形成动态的反馈循环，让AI能调用工具，根据工具结果进行推理和决策。ThinkChain支持自动工具发现、MCP服务器扩展及增强的 CLI 界面，支持开发者用简单的Python文件扩展功能，实现从天气查询到数据库操作等多种应用。框架基于MIT许可证，鼓励开发者fork和扩展
Lingshu是阿里巴巴达摩院推出的专注于医学领域的多模态大型语言模型。模型支持超过12种医学成像模态，包括X光、CT扫描、MRI等，在多模态问答、文本问答及医学报告生成等任务上展现出卓越的性能。Lingshu基于多阶段训练，逐步嵌入医学专业知识，显著提升在医学领域的推理和问题解决能力。推出7B、32B两个参数版本，其中32B版本在多个医学多模态问答任务中超越GPT-4.1等专有模型。Lingsh
MedRAG是南洋理工大学研究团队提出的医学诊断模型，通过结合知识图谱推理增强大语言模型（LLM）的诊断能力。模型构建了四层细粒度诊断知识图谱，可精准分类不同病症表现，通过主动补问机制填补患者信息空白。MedRAG在真实临床数据集上诊断准确率提升了11.32%，具备良好的泛化能力，可应用于不同LLM基模型。MedRAG支持多模态输入，能实时解析症状并生成精准诊断建议。 MedRAG的主要功能
MAI-DxO（Microsoft AI Diagnostic Orchestrator）是微软推出的先进人工智能系统，能提升医疗诊断的准确性和效率。基于模拟一组具有不同诊断方法的虚拟医生协作解决复杂的医疗案例。MAI-DxO能提出后续问题、订购检查，在获取新信息后更新推理，逐步缩小诊断范围。MAI-DxO能进行成本检查，确保在成本约束内做出诊断。在对《新英格兰医学杂志》发布的复杂病例进行测试时，
ML-Master是上海交通大学人工智能学院Agents团队推出ML-Master – 上海交大推出的AI专家Agent的AI专家智能体。在OpenAI的权威基准测试MLE-bench中表现出色，以29.3%的平均奖牌率位居榜首，超越了微软的RD-Agent和OpenAI的AIDE等竞争对手。ML-Master通过“探索-推理深度融合”的创新范式，模拟人类专家的认知策略，整合广泛探索与深度推理，显
ThinkSound是阿里通义语音团队推出的首个CoT（链式思考）音频生成模型，用在视频配音，为每一帧画面生成专属匹配音效。模型引入CoT推理，解决传统技术难以捕捉画面动态细节和空间关系的问题，让AI像专业音效师一样逐步思考，生成音画同步的高保真音频。模型基于三阶思维链驱动音频生成，包括基础音效推理、对象级交互和指令编辑。模型配备AudioCoT数据集，包含带思维链标注的音频数据。在VGGSoun
Chai-2，这是分子设计领域的一项重大突破。Chai-2 在设计完全从头抗体时实现了前所未有的两位数成功率，与以往方法相比，命中率提高了几个数量级。只需测试 20 个设计，该模型就能在各种靶点中轻松找到可行的匹配方案。该模型的高成功率和广泛的泛化能力为快速精准的原子级分子工程新时代铺平了道路。 我们挑战 Chai-2 设计多达 20 种抗体或纳米抗体，以针对 52 个不同的蛋白靶点，所有这些靶
１．codonGPT引入了第一个直接在编码mRNA序列（密码子）上训练的生成语言模型，解决了基于RNA的序列建模中一个主要问题，该问题一直落后于DNA和蛋白质建模的进展。 ２．一项关键创新是使用推理时间同义逻辑掩蔽，确保生成的密码子序列以100%的保真度保留原始氨基酸序列，这对于治疗应用至关重要。 ３．强化学习（RL）首次在codonGPT的基础上用于优化特定蛋白质的密码子序列。这允许用户跨
WebSailor 是阿里通义实验室开源的网络智能体，专注于复杂信息检索与推理任务。通过创新的数据合成方法（如 SailorFog-QA）和训练技术（如拒绝采样微调和 DUPO 算法），在高难度任务中表现出色，在 BrowseComp 等评测中超越多个知名模型，登顶开源网络智能体榜单。WebSailor 的推理重构技术能高效处理复杂任务，生成简洁且精准的推理链。在复杂场景中表现出色，在简单任务中展
Pokee AI 是下一代通用 AI Agent 开发平台。平台基于强化学习（RL）技术构建高效、个性化且交互性强的 AI Agent，替代传统大语言模型进行任务规划和工具调用。Pokee AI 的 Agent 在多步骤任务执行、推理和工具使用方面表现出色，能快速响应用户指令、提供精准服务，适用于电商、开发与创作、企业自动化等多个领域，基于个性化服务与用户建立长期绑定关系，推动 AI 在更多场景中
RoboBrain 2.0 是强大的开源具身大脑模型，能统一感知、推理和规划，支持复杂任务的执行。RoboBrain 2.0 包含 7B（轻量级）和 32B（全规模）两个版本，基于异构架构，融合视觉编码器和语言模型，支持多图像、长视频和高分辨率视觉输入，及复杂任务指令和场景图。模型在空间理解、时间建模和长链推理方面表现出色，适用机器人操作、导航和多智能体协作等任务，助力具身智能从实验室走向真实场景
Agnes AI 是基于 AI 的新一代协作办公平台，能彻底改变传统办公模式。Agnes AI用团队记忆、智能协作和一体化内容生成，打造适配团队场景的工作空间。用户能多人实时编辑文档、报告或 PPT，AI 能自动完成资料收集、大纲生成、内容填充等任务。Agnes AI 自研 7B 推理模型和多智能体推理框架，专注于团队协作场景，支持长上下文和多轮推理，大幅降低 Token 成本，提升任务完成率。A
EXAONE 4.0是韩国LG AI Research推出的自研混合推理大模型。模型融合通用自然语言处理和高级推理能力，支持韩语、英语和西班牙语。模型分为32B的专业版和1.2B的端侧版，前者基于多项国家级认证考试，适用高专业领域，后者体积小、性能优，支持本地运行，适合隐私和安全要求高的场景。EXAONE 4.0在国际高难度基准测试中表现优异，如MMLU-Pro 81.8分、AIME 2025 8
Seed Diffusion是字节跳动Seed团队推出的实验性扩散语言模型，专注于代码生成任务。模型通过两阶段扩散训练、约束顺序学习和强化高效并行解码等关键技术，实现显著的推理加速。模型的推理速度达到2146 tokens/s，比同等规模的自回归模型快5.4倍，在多个代码基准测试中表现与自回归模型相当，在代码编辑任务上超越自回归模型。Seed Diffusion展示了离散扩散模型作为下一代生成模型
dots.ocr 是小红书 hi lab 开源的多语言文档布局解析模型。模型基于 17 亿参数的视觉语言模型（VLM），能统一进行布局检测和内容识别，保持良好的阅读顺序。模型规模虽小，但性能达到业界领先水平（SOTA），在 OmniDocBench 等基准测试中表现优异，公式识别效果能与Doubao-1.5和 gemini2.5-pro 等更大规模模型相媲美，在小语种解析方面优势显著。dots.o
GPT-5 是 OpenAI 最新推出的人工智能模型，是目前最强模型，面向所有用户开放。GPT-5是一个统一系统，包括一个基础模型用在解答常见问题，一个深度推理模型（GPT-5 思维模块）用在处理复杂难题，一个实时路由模块根据对话类型、问题复杂度、工具需求和用户指令（如“仔细思考”）智能调度模型。GPT-5 在编程、写作、数学、健康等多个领域表现出色，大幅减少幻觉和错误，回答更贴近真实情况。GPT
Klear-Reasoner 是快手推出的基于 Qwen3-8B-Base 的推理模型，专注于提升数学和代码推理能力。模型通过长思维链监督微调（long CoT SFT）和强化学习（RL）训练，核心创新是 GPPO算法，通过保留被裁剪的梯度信息，解决传统方法中探索能力受限和负样本收敛慢的问题，在 AIME 和 LiveCodeBench 等基准测试中达到 8B 模型的顶尖水平。Klear-Reas
智元机器人推出行业首个机器人世界模型开源平台Genie Envisioner（GE）。GE基于约3000小时真实机器人操控视频数据，整合未来帧预测、策略学习与仿真评估，形成闭环架构，使机器人实现从“看”到“想”再到“动”的端到端推理与执行。 链接： Project page：https://genie-envisioner.github.io/ Arxiv：https://a
微软研究院的一个研究团队探索了使用主动式强化学习（agentic reinforcement learning）来实现这一目标，也就是说，模型会与专用工具环境中的工具进行交互，并根据收到的反馈调整其推理方式。而他们的探索成果便是 rStar2-Agent，这是一种强大的主动式强化学习方法。使用该方法，这个微软团队训练了一个 14B 的推理模型 rStar2-Agent-14B—— 该模型达到前沿级
ROMA是一个元代理框架，它使用递归分层结构来解决复杂问题。通过将任务分解为可并行执行的组件，ROMA 使代理能够应对复杂的推理挑战，同时保持透明性，从而简化上下文工程和迭代。该框架提供并行问题解决功能，代理可以同时处理复杂任务的不同部分；其开发过程透明，结构清晰，易于调试；此外，我们搜索代理的强大基准测试结果也证明了其卓越的性能。我们已经展示了该框架的有效性，但这仅仅是个开始。作为一个开源且可扩
MedResearcher-R1是蚂蚁集团开源的一款Agentic AI，旨在解决医疗领域的“稀疏知识”难题。它摒弃“数据投喂”模式，转而主动“设计”高质量训练：• 智能数据：通过KISA框架，从3000万+文献中筛选罕见实体，生成高难度多步推理任务。• 精准学习：配备优先考虑“权威性”的专用工具，并采用“蒙版引导”及复合奖励函数，训练AI掌握可泛化的“思考方法”。• 卓越表现：仅用约2100条“
只显示前20页数据，更多请搜索
Showing 73 to 96 of 103 results
