「科技评价体系」共找到 1522 篇相关文章
Anthropic：我们如何构建多智能体研究系统
Anthropic分享构建多智能体研究系统的经验，该系统用多个Claude智能体探索复杂主题。介绍了多智能体系统优势、架构、提示工程、评估方法，也提及生产环境的挑战，此系统处理开放式研究任务价值大。
机器人竞技赛事刷屏，宇树们抢的不止是流量
今年人形机器人赛事不断，宇树科技直播机器人格斗赛，众擎、加速进化也有相关赛事。企业借赛事抢流量，展示技术实力吸引开发者，打造机器人平台。但赛事娱乐性强，商业化难，企业需找刚需场景落地技术。
大树之家团队师生赴希腊参加第一届人工智能与流体力学国际研讨会（AIFLUIDs）
第1届人工智能与流体力学国际研讨会于2025年5月27 - 30日在希腊举办，由多所高校联合筹办，34国超300名学者和近20家科技公司参会。大树之家团队8人参与，作报告获高度关注，加强了学术交流。
小米玄戒O1，五个争议问题与解释
文章围绕小米玄戒O1提出五个争议问题并解释。涉及是否为国产、自研芯片，手机SoC研发难点、小米做SoC原因及玄戒O1是否成功，还结合苹果、高通等案例阐述芯片产业分工等知识。
红杉中国xbench全球首发，AI智能体真实战力揭榜！
红杉中国推出全新AI基准测试工具xbench及相关论文，采用双轨评估体系和长青评估机制，首期发布两个核心评估集并综合排名，还提出垂类评测方法论。它能追踪模型能力与实际场景价值，解决现有评估难题。
九成以上模型止步白银段位，只有3个铂金！通用AI下半场评测标准来了
OpenAI研究员姚顺雨提出AI发展步入新阶段，下半场关键在评估模型真实智能。新加坡国立大学等团队提出“通才智能”评测框架，剖析多模态大模型短板，推出五级评估体系和测试集，测试结果暴露模型弱点，引发社区积极反响。
The Batch：820 | Qwen3 向 DeepSeek-R1 发起挑战
阿里巴巴发布八个大型语言模型权重，含两个 MoE 架构和六个稠密模型。预训练数据达 36 万亿 token，支持 119 种语言及方言。测试中 Qwen3 家族表现出色，或终结 DeepSeek - R1 霸主地位，设计用于智能体系统。
独家 | 乐聚发布垂域具身模型：一倍工业提效，两项榜单第一
AI科技评论独家获悉，乐聚机器人将推出面向工业场景的“垂域具身智能模型”——KUAVO VLA，该模型用600+小时真机数据进行中训练，能提效且减少适配与训练成本，两项指标排名第一，利好二次开发者。
DeepSeek Harness规模化踩坑实录：耗时、成本、失败到底该怎么查
Agent 进入日常研发流程后，使用方关注耗时、Token 消耗和失败回溯。DeepSeek Harness（DSH）是开源 Agent 框架，腾讯云 Agent 可观测提供 DSH 采集插件，构成全景可观测方案，还介绍接入实践与其他能力。
斯坦福辍学生奥特曼：AI时代，大学上两年就够了
在面向科技实习生的活动上，有人问AI时代读大学是否必要，奥特曼认为要读，但四年太长，两年刚好，还列举盖茨等辍学生成功案例，强调辍学非成功公式，大学应给学生更多保障。