「AI测试集」共找到 11065 篇相关文章
李开复陆奇重仓同一家Harness智能体公司，李笛带队，4个月2轮融资3-5年粮草
成立仅四个多月的AI初创公司明日新程宣布连续完成两轮融资，资金储备够未来三到五年创新。其由李笛带队，获李开复、陆奇等投资，聚焦Harness群体多智能体，还将推出新版“小冰岛”。
OpenAI急眼了！四页密信怒撕Claude，80亿营收全掺水
OpenAI首席营收官Denise Dresser发四页内部备忘录，向员工发出「决战动员令」，要从「卖产品」转向「做平台」。备忘录火力全开，抨击Anthropic，还急着与微软划清界限，将亚马逊视为重要伙伴。此外，还曝光了接下来90天要做的五件事。
MASFactory: 多智能体系统开发进入Vibe Graphing时代
AI能力迭代，多智能体编排却停留在旧阶段。北京邮电大学GAMMA Lab团队发布MASFactory，用Vibe Graphing编排多智能体系统，融合多种开发方式，有全栈可视化等优势，还给出实用案例和开源代码。
DeepSeek 推出快速模式和专家模式
DeepSeek web 端灰度测试快速模式和专家模式，快速模式用于日常会话，专家模式适合复杂任务，但不支持文件上传，上下文仅 128k。目前两模式能力与 v3.2 没差别，或为 v4 做准备。
Karpathy 亲手终结了RAG的草莽时代
Andrej Karpathy分享“LLM Wiki”工作流，将多数Token用于构建“可演化知识库”。此方法不依赖复杂架构，在中等规模数据集上展现出强大能力，引发“LLM Wiki杀死RAG”的讨论，在技术社区和企业级市场反响热烈。
清华、西交联合开源发布了Cheers : 一条更简洁、更高效的统一多模态路线
清华、西交联合开源发布CHEERS，提出面向统一多模态理解与生成的架构路线，在保持系统简洁前提下，统一理解与生成任务，继承开源预训练模型知识，在多项基准测试中表现优异，还实现4× token压缩。
慕思联手华为鸿蒙，完成一场卧室里的“静默实验”｜甲子光年
在AI浪潮下，睡眠场景需“静默革命”。慕思联手华为鸿蒙推出鸿蒙智选慕思智能床Pro H - Design，采用底层代码级深度共研，还自研传感技术与算法，构建闭环服务用户，重写智能床竞争逻辑。
神秘霸榜模型现真身：小米MiMo-V2 Pro，国内首个万亿参数+1M上下文，为Agent而生！
小米全新一代面向 Agent 的大模型家族官宣，包括 MiMo-V2-Pro Preview、MiMo-V2-Omni 和 MiMo-V2-TTS。MiMo-V2-Pro 性能优异，在多场景实测表现出色，技术有创新，API 开放且定价低，已融入小米多业务与生态。
一家00后创办的世界模型公司，凭什么让华为哈勃重金押注？
近日，00后创办的魔芯科技完成Pre - A +轮近亿元融资，由华为哈勃领投。该公司从3D AI物体建模出发，研究独特技术路线，在科研和产品应用有突破，正将能力落地多领域。
如何定义“人味儿”？——HeartBench评测体系建设实践
在大模型竞争格局生变，情感智能评测缺失的背景下，作者团队发布聚焦AI拟人化的中文评测体系HeartBench，介绍其设计、评估方式、迭代过程等，还沉淀了评测体系构建方法论及专家标注管理思考。