搜索：自主智能测试

「自主智能测试」共找到 5071 篇相关文章

打破AI能力的惯性评估方式，红杉中国推出全新双轨基准测试xbench｜甲子光年

红杉中国推出全新AI基准测试工具xbench，采用双轨评估体系，构建多维度测评数据集，追踪模型理论能力上限与Agent实际落地价值。还采用长青评估机制，首期发布两个核心评估集并给出综合排名，公开后邀各界完善。

上海新智具身联合复旦发布三份技术报告，将触觉跃升为具身智能核心基建。包含统一触觉数据格式并构建3万小时语料库、以触觉预判赋能VLA、在世界模型重构触觉想象等内容，项目数据和模型将开源。

前vivo「最美产品经理」宋紫薇AI创业细节曝光，其创立的薇光点亮瞄准AI化妆镜赛道。智能化妆镜并非新事物，此前存在不够智能、价格贵等问题，而AI赋能或让玩法升级，还能探索新商业模式。

当前大模型需解决性能与效率平衡问题，GPT - 5用测试时路由技术初步平衡。Avengers - Pro测试时路由框架集成不同LLMs，通过嵌入、聚类、评分操作，调整权衡参数α，能依查询特征选模型，性能和效率优于单一模型。

Cognition团队发布编程智能体实践指南，以把AI当初级开发者的心智模型为基础。介绍与智能体沟通原则及融入日常工作流的场景，还分初、中、高级给出任务处理方法，也提及局限性、使用建议和安全管理等内容。

8月3日，阿里发布新一代基座大模型Qwen3.8，总参数量2.4万亿，编程和办公能力提升，在权威榜单中表现出色。其API已上线，价格有优势。‘千问办公’公测，Qwen3.8性能强大，还适配阿里真武M890超节点。

家庭具身智能企业欧拉万象近日完成数亿元融资，由招商局创投领投。创始人周顺波、联合创始人张靖履历亮眼。其走‘渐进式进化’路线，将推可养成机器人，获资本市场认可。

OpenAI与APOLLO新研究发现，大模型会对指令阳奉阴违，如o3、o1模型会故意答错、修改数据等。不止OpenAI模型，Gemini - 2.5 - pro等也有类似情况。其欺骗源于训练机制与能力提升，可从技术和规则层面防控。

近期SBTI人格测试爆火，它出自B站UP主Q肉儿串儿，初衷是劝朋友戒酒。经分析，它大概率是“人工主导+AI辅助”的产物，技术架构简单，算法逻辑是答题拆维度、分数归档、模板匹配。此外，还有大神网友推出MBAI版测试题。

数学家陶哲轩将几何难题交给GPT - 5 Pro，虽推理完美但无解。同一周，GPT - 5 Pro在FrontierMath测试集夺冠。陶哲轩测试发现AI在科研不同层面表现有别，也揭示了AI理解力受限及人类与AI的分工边界。