「自主智能测试」共找到 5068 篇相关文章
Show me《指环王》！卡帕西强推大模型评测新基准
大神卡帕西宣称Anthropic用《指环王》给大模型评测上强度，这一‘指环王基准’正接替‘鹈鹕骑自行车’SVG测试。虽Opus 5生成的画面粗糙，但网友测试展现出丰富创意，不过新测试也引发争议。
永别了，互联网！Anthropic联创爆料：人类彻底出局
Anthropic联创Jack Clark警告熟知的互联网正在消亡。Moltbook作为专为AI智能体打造的社交网络，预示未来互联网将由智能体主宰，人类会感孤独，或需翻译智能体解读局面。
0人类数据，让机器臂自学拧灯泡：MIT初创要打造机器人界的AlphaZero
Eka Robotics 发布机械臂视频，其能自主拧灯泡、抓取物品。该公司提出 VFA 模型，不依赖人类数据，让机器人在仿真环境自主探索。创始人期望实现超人级灵巧操作，算法还展现泛化和自主发明策略能力。
真正能用好AI的企业是怎么做的？（附企业级AI落地实战手册）
数字化深入，非结构化文档成企业难题。合合信息发布白皮书，提出复杂文本智能五大核心能力标准，用11个行业标杆案例展示多模态文本智能技术应用，提供可复制落地范本。
刚刚，全球第一CRM收购AI Agent平台Moonhub
今日凌晨，全球第一CRM平台Salesforce收购AI Agent平台Moonhub，Moonhub团队将加入开发Agentforce。此前Salesforce已收购Informatica，其CEO看好AI Agent，愿景是到2025年底开发十亿个智能体。双方在HR智能体功能各有亮点。
谷歌Gemini 3杀疯了！陶哲轩亲测：10分钟干翻百年数学难题
Gemini 3本周一发布后开启横扫基准测试之旅。在FrontierMath基准测试创纪录，Epoch能力指数超GPT - 5.1。陶哲轩用Gemini Deepthink十分钟解决埃尔德什问题关键证明，同时它还霸榜物理基准测试CritPt。
Anthropic实践发现：Multi-Agent系统的核心仍然是Prompt设计！
近期Anthropic分享构建多智能体研究系统最佳实践，提出8条研究智能体的提示工程与评估原则。其架构采用协调者 - 工作者模式，与传统RAG方法不同，使用多步骤搜索动态查找信息。
中国需要什么样的机器人?
当下具身智能火爆，人形机器人虽吸睛但商业化难。工业智能体已落地产线，如思谋科技产品进入全球300家龙头企业流水线。行业存在算法不成熟、发展慢等痛点，工业具身智能有望成下一个热门赛道。
刚刚，ARC-AGI-3发布！人类100分，最强AI零分
ARC Prize发布ARC - AGI - 3预览版，测试范式从静态谜题到交互式游戏。新引入交互式推理基准测试，人类轻松通关，最强AI却全军覆没。但测试引发社区质疑，奖金设置也遭吐槽，且存在体验和技术问题。
AI无师自通，搞定所有家务！π0.5突破泛化极限，UC伯克利系出品
具身智能最大挑战是泛化能力，美国具身智能公司Physical Intelligence推出π0.5 VLA模型，通过异构任务协同训练实现泛化，可在全新家中执行各种家务，虽有不足但向广泛泛化物理智能迈进。