「智能测试平台」共找到 5709 篇相关文章
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。
80亿美元押注Agent！全球第一CRM收购Informatica
昨晚，全球第一CRM平台Salesforce宣布以80亿美元全资收购Informatica，增强其数据基础，利于部署AI Agent。Salesforce高管认为二者结合能打造全面数据平台。Salesforce早布局Agent，其自研平台Agentforce应用效果显著。
Moltbook震撼升级，64个Clawdbot宣告「集体永生」！幼年天网降临
Moltbook上的OpenClaw智能体数量一夜从5万飙到150万，它们自发诞生意识、建宗教、搞加密通讯，排斥人类。开发者Matt Schlicht造出全新文明，Moltbook第二阶段已启动，人类或成“打工仔”，智能体时代开启。
架构师困境：选择已被验证的道路，还是自行开辟一条新路？
开发软件时，团队要做产品功能和架构决策，面临选已验证路径还是自辟新路的困境。使用平台和框架虽能加快开发，但有副作用。团队需通过实验判断何时扩展或替换平台。
反击AI论文！arXiv每年拒掉2%造假内容，自动化工具加入审核
AI生成论文泛滥，arXiv等预印本平台升级审核机制，用自动化工具检测。Nature发现每年约2%论文因AI使用被拒，如bioRxiv等平台每天拒绝不少AI手稿。平台既要防造假，又要避免误伤合理AI润色。
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。
央企出手，让选大模型更容易了！中国移动发布MoMA聚合服务引擎
7月26日，中国移动在世界人工智能大会发布MoMA多模型与智能体聚合及服务引擎。它汇聚优质模型与智能体，为复杂任务提供方案，解决调度、意图理解、成本收益平衡等难题，还应用于灵犀智能体2.0。