「可验证评分机制」共找到 1677 篇相关文章
OpenClaw 3.23紧急修复！Peter忘记打包控制台文件，海量龙虾崩溃
OpenClaw 之父 Peter Steinberger 发布 3.22 版本时漏打包控制台文件，致控制台白屏、插件失效。不到一天推出 3.23 修复，还加了自动拦截机制。此次修复涉及飞书附件发送、浏览器控制等多方面问题。
想进OpenAI？先解出这道题，百万美元算力已就位
OpenAI发起Model Craft Challenge「Parameter Golf」项目，要求在固定数据集上降验证损失，模型产物控制在16MB内，8张H100 GPU 10分钟完成训练。提供百万美元算力，6月招早期人才，挑战3月18日至4月30日。
AI读不懂文档结构？计算所重构Agentic RAG文档推理能力
大语言模型工具使用能力推动RAG进化，现有Agentic Search框架有“结构盲”问题。中科院计算所团队提出DeepRead，将文档结构转化为坐标系统，用两大工具协同实现类人推理，在多数据集验证效果显著。
人形机器人「网球运动员」来了！不靠预编程，银河通用×清华破解长程打网球难题
银河通用与清华联合提出LATENT研究，使人形机器人通过深度强化学习自主习得网球对打能力，实现从“机械复刻”到“智能决策”跨越。该研究提出新运动学习方法，构建“运动小脑”等，经实验验证性能优越。
国产模型编程能力卷到这个程度了？MiniMax-M2.5 深度实测
文章深度实测MiniMax-M2.5编程能力，用其开发多款游戏和点名工具，结果出色。还分析其底层技术，如原生Agent RL框架、过程奖励机制等，指出它性价比高，虽有不足但值得关注。
“AI 在一线：开发人员如何重塑软件开发流程” ｜圆桌讨论
文章是关于“AI在一线：开发人员如何重塑软件开发流程”的圆桌讨论，多位嘉宾分享了AI辅助工具对软件开发的影响，包括加速原型设计、缩短项目时间等，也提到了局限性和需注意的问题，如信任和度量标准。
AAAI 2026杰出论文奖 | ReconVLA：具身智能研究首次获得AI顶级会议最佳论文奖
具身智能常被视为‘系统工程驱动’研究方向，ReconVLA获AAAI杰出论文奖，是具身智能方向首次获AI顶级会议最佳论文。它解决VLA模型关键瓶颈，通过重建式隐式视觉定位机制，实验效果显著。
45年数论猜想被GPT-5.2 Pro独立完成证明，陶哲轩：没犯任何错误
2025年1月17日，研究者Neel Somani让GPT-5.2 Pro解1980年提出的埃尔德什猜想第281号问题，证明经陶哲轩验证成立。此外，网友发现有更简单经典解法。陶哲轩提醒评估AI真实成功率有报告偏差。
Anthropic 再发长文：首次详细揭秘Agent的评估全过程「Claude code开发过程的经验总结」
Anthropic在Claude Code等开发及与客户合作中总结出AI Agent评估方法。文章介绍评估基本结构、构建原因、评分器类型、不同Agent评估法、应对不确定性指标、构建路线图及与其他方法协同方式。
对我来说，Claude Code 就是 AGI
作者分享项目中配置 Google Cloud Pub/Sub 服务的经历，以前手动或借助 ChatGPT 操作繁琐，现在用 Claude Code，只需描述问题，它就能自动完成分析、操作、验证等，作者认为其某种程度算 AGI。