「评测系统」共找到 2238 篇相关文章
MiniMax M2 发布即爆，拿下开源模型第一名
10月27日，MiniMax发布新一代文本大模型M2及由其驱动的MiniMax Agent。M2是专家混合模型，参数达230B但激活仅10B。它在开源模型评测中夺冠，能低成本、高速度支撑工作流，开发者评价高。
“AI版LeCun”自己讲解论文，自我进化智能体框架生成精美演讲视频
加州大学研究者提出自我进化的学术演讲智能体框架EvoPresent，它由四个智能体协作，核心美学模型PresAesth模拟人类审美判断。团队构建评测体系，实验显示其在内容与视觉设计上提升显著，让AI兼顾逻辑与美感。
Meta发布40页报告，具身智能的下一步是「心智世界模型」：能听，能看，能理解，会共情
Meta发布40页报告，首次将对人心智状态的推断概念化为心智世界模型，与物理世界模型实现“双轨建模”。还指出要结合系统A和B让AI自主学习，心智世界模型在多智能体协作潜力大。
机器人从炫技 Demo 走向上岗，两篇 ICML 顶会论文拆解背后的智能底座
在WRC世界机器人大会上，云蝶科技发布RoboForge系统级具身大脑和WING任务型本体。其科研团队两项成果POLIA与Strat-Reasoner发表于ICML 2026，从视觉证据和他者意图两方面，为理解具身大脑技术提供切口。
MSRA首测AI从零建仓库：能写、能跑，但不一定对丨ACL'26
微软亚洲研究院工作RepoGenesis被ACL 2026高分录用，它是面向多语言、仓库级、端到端Web微服务生成的基准。输入贴近实际，用多维度评测开源Agent和商业IDE，还拓展模型微调。但也有边界，未模拟真实复杂需求。
一文带你看懂，火爆全网的Skills到底是个啥。
文章介绍了火爆AI圈的Skills，它热度堪比当年的Prompts。文中通过AI选题系统和整合包生成器两个案例展示其应用，还对比了它与Prompt、MCP的区别，介绍了基本配置及安装方法，强调其价值在于复用。
对话 OPPO AI 姜昱辰：手机才是 Memory 最好的土壤，AI 一定会彻底改变智能手机
文章是对OPPO AI姜昱辰的访谈。他认为AI会改变智能手机，OPPO将小布记忆做成跨系统收藏夹。产品迭代后记得更广、更深、更有用，团队还探索记忆分层、更新等，也重视用户隐私和主动推荐能力提升。
V0做不到、Bolt搞不定，Youware用MCP一键解决网页生成最大难题
Youware可快速将AI生成网页部署到线上。其更新后支持调用MCP生成网页，深度适配主流MCP服务，使用门槛低且免费。还上线积分系统，首页分类筛选更详细，作品页增随机按钮。用案例展示了其强大的网页生成能力。
仅看视频就能copy人类动作，宇树G1分分钟掌握100+，UC伯克利提出机器人训练新方式
UC伯克利团队研发出名为VideoMimic的新系统，能将视频动作迁移到真实机器人。它已让宇树G1模仿100多段人类动作，还能适应各种地形。其工作流程含视频转仿真、仿真训练策略、策略迁移到实体机器人。
大模型开网店，谁是经营高手？E-Commerce Bench开源揭秘
为评估模型长程经营能力，联合淘天集团发布E-Commerce Bench，以10万本金、365天经营网店来评测。从多维度评估18个模型，结果差异大，还发现单一指标会掩盖模型表现，评估基准潜力大。