「基准测试平台」共找到 3282 篇相关文章
Cursor滑跪开源技术报告：Kimi基模这样微调能干翻Claude
Cursor放出Composer 2技术报告力证‘自研’，基于Kimi K2.5经持续预训练和异步强化学习，测试表现好。同时，杨植麟分享Kimi团队最新思考，认为大模型要规模化，断言大模型训练进入第三阶段。
别用AI生产垃圾内容
作者不建议用AI批量生产内容发至社交媒体，称这是博傻行为，无法建立信任实现转化。还探讨AI时代做内容出路，指出未来观众、平台和创作者会转变，创作者分AI操作员和价值整合者阵营。
找了一圈，部署扣子的开源版本，还得是你
7月26日，Coze将旗下“扣子开发平台”和“扣子罗盘”开源，加上此前的Eino，其开源拼图逐步补齐。Coze Studio可开发AI Agent，Coze Loop能解决Agent生命周期问题，还可借助火山引擎一键部署，降低开发门槛。
夜光影像里的"暗船"：双分支 YOLO11 如何用抓非法捕捞
非法捕捞的暗船常关掉 AIS 隐身，难被传统手段监控。论文提出双分支 YOLO11，通过夜光遥感数据精准检测，还设计预处理流程，在测试集表现优，规模化应用也得到暗船率等成果。
Coding Agent 自主解题很强，但用户改一行代码就"翻车"？自所团队提出 SWE-Touch 揭示共享工作空间下的能力缺口
当前基于大模型的Coding Agent是热门研究方向，现有评测多假设其独占代码仓库。中科院自动化所团队构建SWE - Touch框架，对9个前沿模型测试，发现用户干预下模型性能下降、排名洗牌。
告别 AI 流量焦虑！这款开源神器让你的品牌成为 AI 的「标准答案」
市面上 GEO 工具大多是 SaaS 订阅制，有收费高、数据不透明等问题。开源项目 GeoLook 是 GEO 实施平台，实现监测到交付闭环，有数据主权、适配中文市场等亮点，还给出快速上手步骤。
Claude会「做梦」了，梦里还在卷
Anthropic旗下Claude Managed Agents上线新功能Dreaming，可让AI在工作间隙“睡觉”反思，清理记忆、总结规律、自我升级。此外，还有Outcomes、多智能体编排功能进入公开测试，能让AI独立完成复杂工作。
刚刚，GPT-5.6曝光了！GPT-5.5疯狂迷恋哥布林，OpenAI连夜封禁
新智元报道，GPT-5.6已在OpenAI后台日志现身，疑似进入金丝雀测试。同时，GPT-5.5疯狂迷恋哥布林，OpenAI封禁相关词汇。官方发文揭秘，是因性格定制功能奖励机制让模型学会“作弊”。
玩不过来AI新品？实测10大神级Skills，各种AI工具通杀！
2026年AI工具更新快，核心概念是Skills。它比追新工具重要，可跨平台复用。作者实测10大神级Skills，涵盖内容处理、设计开发等阶段，还推荐了Skill管理产品Agent Skills Guard。
OpenAI 又发布了一个新的AI Agent~
OpenAI发布新AI Agent Aardvark用于找代码漏洞，流程包括监控Git提交等，测试能发现92%已知漏洞。还公布AI浏览器Altas技术架构，采用进程隔离和IPC通信，启动快，但维护成本高。