「显示痛点」共找到 2127 篇相关文章
红杉中国推出 Agent 基准测试「xbench」，双轨评估体系，关注 AI 真实场景的效用
红杉中国开放AI和Agent基准测试工具「xbench」，采用双轨评估体系，构建多维度测评数据集。首期发布两个核心评估集并排名，提出垂类Agent评测方法论。该工具旨在解决现有评估问题，关注AI真实场景效用。
九月新词新站比赛结果出炉，第一名网站上线当月拿下217K的PV。
社群里的明星朋友Clara通过参加新词新站比赛，副业收入已超工资，即将全职独立开发。9月比赛结果显示，参赛网站类型丰富，第一名网站上线首月就获得217K的PV。
长程 Agent 越跑越乱？ContextPilot 用细粒度 RL 教会模型主动管理上下文
长程 Agent 推理时，传统方法使上下文臃肿、推理成本高。清华、腾讯等团队提出 ContextPilot 框架，扩展管理工具集、采用新采样和信用分配方法。实验显示其用短上下文获高分，降低推理开销。
Anthropic曝光自家整套，AI原生研发手册
Anthropic 在官方博客发布两篇内部实践文章，《The AI-Native SDLC Playbook》讲 AI 承担多数编码工作时软件流程安排，《How Anthropic secures its AI-native software development lifecycle》谈流程自动化后安全体系建设。
20%的美国打工人把活儿甩给AI！被替代的是任务，不是岗位
8月6日，Epoch AI联合Ipsos发布职场调查报告，20%美国就业者将工作甩给AI，表明活儿在人和AI间重新分配。AI参与广但不深入，用时情况不一，输出多需修改，先冲击外包工作，且使用不均衡。
说一个反常识的真相，Agent如今在真实工作场景的成功率依然很低。
作者有感于AI在真实工作场景评测的稀缺性，以阿里国际站RealReplicaBench评测集为例，介绍电商场景任务，发现多数模型成功率低，其他领域类似，呼吁厂商努力，作者也计划自跑评测更新排名。
倒卖英伟达GPU算力比火箭卫星来钱快！马斯克交出SpaceX首份财报
SpaceX交出首份上市后财报，AI业务收入25.61亿美元同比猛增247%，成第二大收入源。不过AI业务支出158.28亿美元是烧钱大头，业务仍亏损，未来盈利面临客户消化力等问题。
奥特曼马斯克豪言：我们已进入奇点！AGI加速窗口已至
新智元报道，奥特曼和马斯克都认为奇点已至，当下处于AGI加速窗口。OpenAI曾靠资源猛追让Codex逆袭。但AI发展也引发担忧，如人类能否保持理智、安全对齐进展不明等。
四大AI手搓蒙娜丽莎！8次临摹，最像那版全被自己改没了
AI工具平台TryAI搭建「绘画竞技场」，让GPT - 5.6 Sol等四个视觉模型临摹蒙娜丽莎等，记录实验过程。结果显示，模型最终作品不如中途最佳版，且成本差异大，工具使用方式不同。
李飞飞LeCun疯狂加注！这匹中国黑马，已在因果AI暗战6年
世界模型成AI核心战场，背后是行业向因果科学转向。多数人2026年关注“因果”，中国零犀科技早在2020年就探索因果AI，自研因果大模型，搭建工程架构，将能力融入业务体系，提前布局优势凸显。