搜索：自动评测体系

「自动评测体系」共找到 1696 篇相关文章

豆包 AI 编程：一句话写赛博鱼缸，动嘴皮改富士滤镜

豆包发布全新模型 1.6 后，AI 编程更新，基于此模型在评测集位列第一梯队。它实现低门槛+可用性，能一句话生成网站、工具，还可可视化编辑，目标是让普通人能做产品。

具身智能大热，Generalist AI展示「拂晓」仿人自适应机器人完成高难度任务。日前，非夕科技宣布完成C轮亿级美元融资。该公司由前DeepMind科学家创立，获英伟达投资，其机器人在多领域有应用。

普林斯顿大学AI实验室与复旦大学历史学系联手推出全球首个历史领域评测基准HistBench及AI助手HistAgent。HistBench含414道题，能检验AI深度认知能力；HistAgent集成多种工具，在测试中表现优异。

吴恩达与LangChain联合创始人对话，评Agent现状。他认为MCP尚处‘蛮荒’，单Agent跑通不易，A2A协作更难。还谈了Agentic架构、AI系统构建、工具使用、语音技术等，给出创业建议。

特斯拉交出史上最差季报，净利润暴跌、汽车收入骤降。其处于从汽车向人工智能转型过渡期，却面临汽车业务疲态、AI业务落地难的问题，如Cybertruck和Model 2/Q未达预期，资本市场耐心受考验。

彭博消息，苹果与Anthropic合作，为Xcode打造AI编程助手，集成ClaudeSonnet大模型，可自动完成代码编写等工作。现处内部测试，若顺利将向第三方开发者发布，有望改变苹果平台应用开发方式。

Amazon DynamoDB 推出原生向量搜索，允许开发者将嵌入向量与应用数据存一起，直接在其中运行近似最近邻查询，无需单独向量数据库。介绍了功能特点、成本计费及开发者反馈等。

用AI做视频常遇运镜、人物走位等问题，因文生视频系统缺空间锚定能力。updream在8月17日上线「预演台」功能，通过传参考图自动生成3D白模场景，实测显示其显著减少「抽卡」次数。

人大和蚂蚁的 SearchOS 研究，给出搜索智能体在长程任务中问题的答案。它借鉴数据库理念，做了多项核心设计，在开放信息检索基准评测领先，已提供多种使用方式，值得长程调研尝试。

文章围绕自进化Agent展开，介绍其概念、受重视原因及三大技术路线，涵盖各路线代表工作的特点、评估及对比，指出研究空白如总结者训练等，最后还介绍了基于Agentic AI的全链路数据助手Dola。