「评测平台」共找到 1913 篇相关文章
TRM思考奖励模型上线，大模型推理质量终于能量化了 | ICML‘26 Oral
大模型推理评测多只看答案，忽略推理过程。上海多校团队提出TRM，用ME² principle刻画推理质量，DAG-based pairwise evaluation还原结构，训练奖励模型，让推理质量可度量、训练和优化。
不安全指令，一拒了之？TRIAD用三路决策：修复AI智能体的危险计划
墨尔本大学团队开源TRIAD框架，将传统二元护栏决策扩展为继续、更新、拒绝三类。通过自然语言反馈引导Agent修正计划，在ASB和AgentHarm评测中，显著降低攻击成功率，提升正常任务完成率。
独家｜「中科第五纪」完成数亿元A轮融资，率先开启海外商业落地
AI科技评论独家消息，具身智能企业「中科第五纪」近日完成数亿元A轮融资，年内已完成三轮。该公司还收获海外数亿订单。其提出超少样本具身操作大模型等核心技术，形成完整技术体系。
从99行代码复刻冰雪奇缘，到引领3D AI，胡渊鸣的公司凭什么「爆火欧美」？
胡渊鸣创立的 Meshy AI 爆火欧美，其产品 Meshy 带来 3D 建模效率革命。新模型 Meshy 6 精度高、可用性强，采用“3D 原生”路线。它还理顺生产流程，获大厂青睐，未来在技术、产品形态和游戏领域均有布局。
这周六，聊聊具身数据、模型与落地场景｜沙龙报名
当下具身智能进入加速期，但具身模型从Demo走向真实世界运行路径复杂，存在技术路线未收敛、数据匮乏等问题。量子位等联合发起沙龙，4月25日周六14:00，一线从业者与研究者将分享经验，探讨具身智能关键环节。
卖鞋厂转型做 AI 股价暴涨 582%，华尔街最不缺这种荒诞闹剧
4月初还在发布新品的鞋履品牌Allbirds，一周后宣布将业务重心转向人工智能计算基础设施。消息公布后，其股价一天内涨幅超582%。这种转型并非首例，背后是资本市场对热门概念的追逐。
谷歌机器人大脑又进化了。成功率飙3倍，还能看表干活、保护自己
Google DeepMind发布机器人大脑Gemini Robotics ER 1.6模型，提升机器人空间感知、多视角解析与仪表读取准度，具精准指认、读表能力，还提高操作安全性与合规度，开发者可通过Gemini API等使用。
AI数据工程师在应用中如何"返璞归真"
文章反思‘知识库+Prompt工程+工具调用’轻量级Agent构建模式局限，指出其难应对知识质量、语义理解与规模化维护挑战。提出从‘Prompt驱动’到‘上下文工程’、从‘搭积木组装’到‘全链路闭环’的范式跃迁，并介绍MktAI知识体系建设。
WorkBuddy杀疯了？一群AI专家帮我打工，我在微信里当赛博虾工头！
本文介绍腾讯推出的全场景职场AI智能体桌面工作台WorkBuddy。它内置多领域垂类专家，能接管自媒体内容创作流水线，还接入微信ClawBot插件方便操作。部署和技能配置门槛低，内置主流模型，还有免费Credits福利。
Anthropic万名工程师都离不开！深夜随手撸出的开源神器，被OpenAl高价收购，23人创业逆袭
昨日，OpenAI 宣布收购 AI 安全初创公司 Promptfoo，其技术将整合进 OpenAI Frontier 平台。该公司由 23 人创立，开发开源工具测试 AI 系统安全。收购后 Promptfoo 保持开源，OpenAI 将新增相关功能。