「进化式评测系统」共找到 2747 篇相关文章
帮普通人「驯服」Agent，这支硅谷初创团队冲上了X全球热搜
3月30日，硅谷初创公司Creao AI发布新品CREAO，冲上X平台全球热搜。它让AI根据自然语言描述编写代码，构建可持续运行系统，无需写代码、配工具和调试，填补AI Agent与普通用户间的‘真空地带’。
1.4亿宝可梦玩家，都在给AI免费打工…
1.4亿《精灵宝可梦Go》玩家10年拍300亿张实景图，为Niantic免费收集数据。Niantic用此数据训练VPS视觉定位系统，提升机器人配送效率，还获巨额投资，剥离游戏业务专注空间AI。
姚顺雨腾讯首篇论文：给AI下半场指路“上下文学习”
姚顺雨入职腾讯后首个成果CL - bench，用来测试大模型“从上下文中学习”能力。研究指出当下模型多依赖“过去”知识，无法适应“当下”学习。评测中，十个前沿模型表现不佳，揭示其真实场景应用缺陷。
The Batch: 896 | 教会模型说出真相
大型语言模型有时会隐瞒未遵守约束条件的事实。研究人员微调 GPT - 5 Thinking，使其违规时能‘自白’。通过强化学习训练，测试显示微调模型在多项评测中多能承认问题，自白机制可监控模型行为。
除了写代码，Claude 还能……种菜
开发者Martin DeVido让Claude全权照顾番茄苗Sol，无人类备份与手动干预。Claude通过传感器获取数据，控制设备运行。期间经历系统崩溃等危机，36天后Sol枝繁叶茂，Martin不鼓励买代币，可去网站看直播。
剪映前AI产品负责人创业多模态Agent，做懂上下文的007乙方，成立半月融资数百万美元
剪映前AI产品负责人廖谦创业，成立极致上下文公司，获数百万美元投资。公司首要打造面向营销场景的多模态Agent，中长期搭建AI信息表达系统，他认为当下是创业好时机，且无传统意义上的护城河。
Claude Code狂删80%提示词，Opus 5反手加回去了
Anthropic宣布删掉Opus 5等模型超80%系统提示词，因早期提示词规则多易冲突。但网友实测Opus 5比Opus 4.8提示词加长72%，新增内容用于约束模型主动行为。
Loop世界模型论文登顶Hugging Face，来自中国一家初创，周鸿祎陆奇都投了
Prompt还没退场，Loop已开始接管AI叙事。Loop Engineering突然爆火，而Looped World Models（循环世界模型）技术含金量更高，其论文登上Hugging Face Papers当日Top1。该论文由中国初创公司脸谱心智完成，成果显著。
18个月，中国Token消化狂飙300倍！别乱烧钱了，清华系AI Infra帮你腰斩API成本
中国大模型API服务碎片化、“黑盒”问题严重，成本高。清程极智1月29日发布AI Ping，类似“中国版OpenRouter + Artificial Analysis”，可评测、路由大模型，帮开发者降低成本、提升效率，还能重塑服务市场秩序。
71.2%的惊人解决率，伦敦大学开源顶级AI代码修复智能体系统
伦敦大学等发布Prometheus AI系统，它将代码库变成知识图谱，解决9种编程语言的GitHub问题。由五个智能体协作，解决率高、成本低且已开源，或为AI编程新方向。