GPT-5.2 Codex
PulseAugur coverage of GPT-5.2 Codex — every cluster mentioning GPT-5.2 Codex across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的AI代理方法解决了技能管理和自我改进问题
一篇新论文介绍了一种名为SkillComposer的方法，通过将技能选择视为联合决策而非独立选择来管理AI编码代理中的技能。该方法使用约束自回归解码器一次性生成技能计划，在SkillsBench基准测试上，GPT-5.2 Codex的性能提高了23个百分点以上，Gemini 3 Pro Preview的性能提高了18个百分点。另一篇论文提出了Red Queen Gödel Machine，这是一个自改进代理系统，代理及其评估器共同进化…
-
LLM 为天文数据库查询的 text-to-SQL 提供支持
研究人员开发了一个利用大型语言模型查询天文数据库的 text-to-SQL 系统，特别是用于 Zwicky Transient Facility 和 Vera C. Rubin Observatory 的 ALeRCE 系统。该系统将自然语言问题转换为可执行的 SQL 查询，采用了一种新颖的逐步生成框架，包括模式链接、查询分类、提示分解和自我纠正。评估表明，该框架优于直接推理，其中 Claude Opus 4.6、Gemini 2.5…
-
GitHub Copilot 弃用 GPT-5.2 模型
GitHub Copilot 正在弃用其旧的 GPT-5.2 和 GPT-5.2-Codex 模型。此举表明 Copilot 生态系统正朝着更新、可能更强大的 AI 架构发展。依赖这些特定模型的用户应为过渡到更新版本做好准备。
-
SkillDAG 通过演化图改进LLM代理技能选择
研究人员开发了SkillDAG，一个将LLM代理的技能间关系建模为类型有向图的新颖系统。该图在执行期间动态更新和查询，使代理能够比传统方法更有效地选择技能。SkillDAG在ALFWorld和SkillsBench等基准测试中表现出显著改进，成功率超越现有基线超过12%。
-
LEGO平台赋能基于LLM技能的前端设计生成
研究人员推出LEGO，一个旨在利用大型语言模型增强电子设计自动化（EDA）前端设计生成的新型平台。该系统将设计过程分解为六个不同的阶段，将每个代理的能力表示为灵活即插即用架构中的标准化、可组合电路技能。通过从现有研究和项目中提取和组织超过42个可执行电路技能，LEGO显著提高了解决复杂设计问题的成功率，与基线方法相比，Pass@1准确率提高了80.5%。