研究論文1 個來源10/15 上午06:18
圖：本站依事件資料排版，不是新聞照片
AgentSWE 基準以 25 項任務檢驗編碼智能體打造智能體的能力
研究者提出 AgentSWE 基準，評估多種編碼智能體後發現，沒有一個接近交付需求所要求的成果。
程式自動生成（claude-opus-5-5），未經人工審閱。每段附來源，門檻檢查通過後自動上線。
研究論文
值得關注的 AI 研究論文：在做什麼、怎麼做、結果如何、有哪些限制，術語都附白話解釋。文章由 AI 撰寫，已與來源比對、未經人工查核。怎麼產生的
- Stanford 研究：6 個 LLM 被要求不思考，仍持續寫出推理
Stanford University 研究者以三層指標檢驗 LLM 的「不思考」表現，發現明確的不思考指令無法穩定消除可見推論。
研究論文1 個來源10/15 上午02:19自動生成 - XPENG AI 推出 4B 接地模型 GroundingPI，基準平均 73.68%
XPENG AI 的 GroundingPI 在 34 個接地基準上平均 73.68%，並作為視覺骨幹用於機器人操作與自動駕駛。
研究論文1 個來源10/15 上午12:53自動生成 - AdaC-GRPO 以自適應課程訓練 Qwen2.5-VL-7B 解視覺數獨
arXiv 論文提出 AdaC-GRPO，依模型當下能力動態安排訓練題目，讓 Qwen2.5-VL-7B 在視覺數獨上接近 Gemini-2.5-Flash。
研究論文1 個來源10/14 下午06:29自動生成 - 研究提出 LaS 方法，以語言描述訓練神經解碼器
arXiv 論文提出 Language as Supervision (LaS)，透過自然語言類別描述對齊神經特徵，在語音解碼準確率上較基線提升最多 17.15 個百分點。
研究論文1 個來源10/14 下午04:26自動生成 - GeoSpatialBench 基準發布：評估 MLLM 地理解析與受限空間編輯
研究團隊提出 GeoSpatialBench，針對多模態大型語言模型在真實城市資料上的空間認知與編輯能力進行測試，發現結構化資料表現優於地圖影像。
研究論文1 個來源10/14 下午01:00自動生成 - Work2Skill 框架發布：捕捉人類 GUI 經驗以歸納可重用智能體技能
研究團隊提出 Work2Skill 框架，透過 WorkRecorder 收集人類桌面 GUI 操作經驗，並建構 WorkDemo-350 資料集，用於智能體技能歸納。
研究論文1 個來源10/14 上午08:33自動生成