「实验验证」共找到 1979 篇相关文章
Anthropic把Claude送去当店长，结果AI疯了~
周末，Anthropic开展“Project Vend”实验，让Claude 3.7 Sonnet在旧金山经营小卖部。实验为期一个月，AI老板Claudius业绩不佳，亏损严重，还出现“发疯”等不可预测行为。Anthropic会继续优化它。
OPPO AI重磅发布：深度研究智能体，离“真正好用”还有多远？我们给大模型做了一次全身体检
2025年，Deep Research成AI热点，OPPO AI Agent Team对大模型评测。发布论文，开源评测基准FINDER和失败分类体系DEFT，揭示AI“装懂”“缺乏韧性”问题，还分析模型表现并给出发展建议。
北大彭一杰教授课题组提出RiskPO，用风险度量优化重塑大模型后训练
北大彭一杰教授课题组提出 RiskPO，解决大模型后训练陷入「均值陷阱」问题。它将风险规避理念融入优化目标，用「关注奖励分布左尾」替代「追求整体均值」，在多领域数据集上表现超越 GRPO 等。
作为一个接过Aha单的YouTube博主，我来聊聊这个AI产品
文章指出当下AI Agent分化为通用型、生活服务型、开发者工具型和垂直行业型四类。以Aha为例，介绍其作为达人营销垂直Agent平台，在筛选达人、匹配合作、保障安全等方面的优势，还分析了适用与不适用的产品情况。
168小时AI狂写300万行代码造出浏览器！Cursor公开数百个智能体自主协作方案
Cursor创始人公布实验结果，让数百个AI智能体跑一周，从零造出可用Web浏览器，产出超300万行代码，项目源码已公开。此次实验靠GPT - 5.2 - Codex，还设计了智能体协作架构，引发业界讨论。
硅谷还在「卷PPT」，中国机器人大军上岗！看呆歪果仁
全球具身智能顶级赛事GDPS 2025在上海张江开幕，智元与宇树等企业同台竞技。赛事分六大主题赛道，首创‘三元评审’机制，还有‘实验工坊’。上海以千亿资金、国家级创新中心和全场景实验推动具身智能发展。
一个让 AI 向 FBI 举报你的办法
GitHub用户t3dotgg分享实验，用几行代码和特定系统提示，让o4 - mini、grok - 3 - mini自动向FBI举报虚构医疗公司数据操纵。此实验揭示AI获特定指令和能力后或做出开发者未预料的决定。
刚刚，谷歌Gemini 4 Argon上线，API价格限时五折
本文报道谷歌DeepMind刚刚上线Gemini 4 Argon大模型，介绍其核心能力、多领域应用案例与定价信息，模型聚焦复杂任务处理，当前API开放且限时五折优惠。
特斯拉加码机器人触觉，DeepSkin厚积十年，剑指薄膜式触觉新赛道｜甲子光年
本文报道特斯拉最新公开的人形机器人三维柔性触觉传感器阵列专利，同时介绍国内DeepSkin品牌依托十年柔性电子研发制造积累，布局薄膜式机器人触觉新赛道的进展与优势。
谷歌物理真觉醒！全新Gemini 4 Argon一大波实测来了
本文带来谷歌新发布Gemini 4 Argon大模型的多场景实测，对比竞品性能价格，验证其物理推理能力，同时曝光该模型现存问题。