「职业评分」共找到 178 篇相关文章
OpenAI这招太狠！AI从「躲猫猫」到「自爆黑料」，主打一个坦白
随着AI进入高风险场景，透明、安全变得重要。OpenAI提出「忏悔机制」，让模型回答后产出自我坦白报告，不影响主回答评分，只考察诚实，能提升不良行为可见性，目前仍处概念验证阶段。
Runway Gen-4.5刷屏发布，把重量、尘土和光影都做对了，网友：颠覆
Runway Gen-4.5突袭发布，获“视频生成AGI时刻”评价，在Artificial Analysis测试中拿下SOTA。它能精准执行复杂指令，物理还原与视觉精准度强，官方将逐步开放使用权限，还直言其存在因果推理等局限。
谁是最强“打工AI”？OpenAI亲自测试，结果第一不是自己
OpenAI发布新研究，提出GDPval基准衡量AI模型在有经济价值任务上的表现。Claude Opus 4.1表现最佳，GPT - 5次之。OpenAI开源优质子集并提供自动评分服务，还指出了GDPval的局限。
Nano Banana不及格，开源模型一分难求！上海AI Lab新基准直击文生图模型痛点
上海人工智能实验室等联合发布首个多学科文生图考试基准GenExam，覆盖10学科、1000题。实验显示，GPT - 4o严格评分正确率仅12.1%，开源模型接近0分，暴露出模型在专业场景的短板。
Hinton为给儿子赚钱加入谷歌，现在痛悔毕生AI工作，“青少年学做水管工吧”
被誉为‘AI教父’的Geoffrey Hinton在访谈中称后悔毕生AI工作。他列举网络犯罪、超级智能威胁等AI风险，建议青少年学做水管工避职业危机，呼吁AI公司研究安全并加强监管。
实测 Google I/O 放出来的 Imagen4，不如GPT4o、甚至不如Imagen3。。
作者实测 Google I/O 推出的 Imagen4，发现它在生成封面图时审美和文字表达不佳。对比 Elo 评分及实际出图，在指令遵循、细节还原等方面，Imagen4 不如 GPT4o 甚至 Imagen3。
从15个研发配1个设计，倒挂成1个研发配2个设计！OpenAI设计主管：现在是有史以来 成为设计师的最佳时机
在科技行业，产品设计师与用户研究员对职业前景焦虑、满意度低，而OpenAI产品设计负责人Ian Silber认为当下是成设计师最佳时机。他与Lenny探讨AI时代设计变革，分享应对策略、人类设计师价值等观点。
「百万级」视频推理数据集！30+顶尖高校联合发布
AI视频生成已能「画得像」，但不会「想得对」。VBVR推出百万级视频推理数据集，首次系统评测模型对空间、物理、逻辑和抽象的推理能力，发现顶尖模型通过率仅68%，推动视频AI从「视觉模仿」迈向「智能推理」。
Anthropic公开8万人访谈：害怕AI替代我，更怕没有它
Anthropic公布对8.1万Claude用户的调查，人们向AI吐露心声，AI带来帮助同时也引发担忧。81%的人认为AI已帮到他们，人们用AI提效以掌控生活，不同地区对AI诉求不同，还存在五组期待与担忧的张力。
Claude自己写出Claude！2小时干完两月活，人类在工位上多余了？
Anthropic推出的AI办公利器Claude Cowork引发关注。它能两小时干完两个月的工作，代码由Claude Code自己编写。该工具应用广泛，让人类面临职业价值拷问，也可能成为今年AI应用层趋势。