「空间能力评估」共找到 4049 篇相关文章
GPT-4o-Image仅完成28.9%任务！上海AI实验室等发布图像编辑新基准，360道人类专家严选难题
上海人工智能实验室等团队针对图像编辑AI提出问题，推出RISE任务及配套评测基准RISEBench。测试九个视觉编辑模型，结果显示当前模型完成复杂指令能力欠缺，闭源与开源差距大。
92% 工程师都在用 AI 后，Uber 开始给 AI “限额”了
Uber的‘零增长技术栈’解耦容量与业务需求，优化Go运行时性能。还将生成式AI集成开发，92%工程师在用，但成本压力大。为此，Uber限额每位开发者，审查代码效果，完善评估指标。
神秘模型「Pony Alpha」火了，被曝是GLM-5
OpenRouter上线神秘模型“Pony Alpha”，引发网友竞猜。该模型主打编码等，有高工具调用准确率。网友实测其前端能力惊艳。多项证据指向它可能是GLM - 5，春节档多家国产大模型将轮番上阵。
CTO 焦虑自白：为什么我们有了 AI 博士生，但员工却越干越累？| 直播预告
本次直播由值得买、飞猪与彩讯多位专家，从 CTO 视角实战复盘 AI 落地与工程化挑战，探讨 AI 提效 ROI 临界点、能力错配等问题，还会深度复盘模型落地困局，拆解‘人效陷阱’等。
自主金融研究智能体
Dexter是自主金融研究智能体，会思考、计划和学习。它能将复杂金融问题转化为研究计划，利用实时数据执行任务、自我验证。介绍了其核心能力、安装使用方法、架构、项目结构、配置等。
被误解的谷歌和百度。
文章指出大模型竞争短期拼产品体验，长期靠系统化落地能力。谷歌和百度虽被误解，但前者在I/O大会展示AI布局，后者营收利润双增，两家都构建生态，在AI下半场迎头赶上。
翁荔最新博客：我们可能高估了模型，却严重低估了那层“脚手架”
前OpenAI安全研究副总裁翁荔在新博客聚焦AI领域Harness Engineering。她认为Harness是决定模型在现实任务中走多稳、多远的‘脚手架’，并梳理其演进路线，也指出研究面临评估、安全等瓶颈。
苏妈和李飞飞炸场CES！AMD AI全栈野心显露：从云端到个人PC，AI芯片性能四年要飙1000倍
今年 CES 上 AMD 专场演讲亮点多。苏姿丰称未来五年50亿人每天用 AI；李飞飞和她探讨空间智能与世界模型；Helios 平台受关注，MI455 GPU 解决内存墙；Ryzen AI 推动 AI 下放到本地。
AI 浏览器压根不可能成为新的操作系统
近期AI浏览器成大模型主战场，营销中模糊Browser和OS边界。文章指出‘AI Browser = OS’不成立，分析原因，还提出定义为Agent操作层更合适，未来或走向能力优先、标准互通的‘通用容器’模式。
让AI说人话，Anthropic开源内部最火的skills。
周末，Anthropic官方分享并开源内部常用的skills——eli5，其作用是让AI说人话，解决模型回复冗长啰嗦问题。还介绍了安装方法，指出从opus4.6起，模型coding和agent能力变强但人味淡。