「端到端评测」共找到 3014 篇相关文章
刚刚，MiniMax直接让龙虾学会自我进化，也认识「马嘉祺」了
在 GTC 2026 大会上，英伟达推出 NemoClaw。国内 MiniMax 加快‘AI 养虾’布局，推出 MaxClaw 模式。新发布的 M2.7 能力升级，在多方面表现出色，还在科研评测中获佳绩，实测效果良好，开启自我进化。
Zed 为什么不用自己造 Agent？OpenAI 架构师给出答案：Codex 重划 IDE × Coding Agent 的分工边界
Coding agents 是应用型 AI 活跃领域，但团队常重复构建脆弱基础设施。OpenAI 的 Codex 提出“模型和 Harness 共同构建”，架构师介绍构建挑战与使用模式，还阐述了将模型适配到 Harness 的问题及未来发展方向。
节前重磅：开源旗舰模型新SOTA，智谱GLM-4.6问世
国庆前智谱AI发布新一代旗舰模型GLM-4.6并将开源，它在多方面提升，如编码、上下文长度等，评测性能佳，token消耗降低。经实测，其代码、研究、开发等能力强，成全球开源AI领域重要力量。
100 页 Agentic RL 综述！牛津、新国立、AI Lab 等联合定义 LLM 下半场
2025 年大语言模型热潮持续，但当前主流训练范式显瓶颈。牛津、新国立等 16 家机构学者发布 100 页 Agentic RL 综述，明确定义从‘会说’到‘会做’进化路径，剖析理论、结构与实践，展望未来挑战。
阿里Qwen3技术报告核心要点解读！
阿里Qwen3技术报告发布，披露模型架构、预训练及后训练等技术细节。其有密集与混合专家两种模型架构，预训练数据量和语种增多，后训练采用强到弱蒸馏提升性能，各模型表现优异。
20万台年产能！北京发具身智能十九条，新增50000P专项算力
北京发布具身智能三年方案，提出到 2028 年形成年产 20 万台整机生产能力，新增超 50000 PFlops 专用算力，并对紧缺人才支持落户与住房。
Claude Opus 5发布，砍掉了Claude Code 80%的系统提示词
Anthropic发布Claude Opus 5，接近Claude Fable 5智能且价格减半，测评成绩出色，科研和视觉输出能力也有进步。同时发现砍掉Claude Code 80%系统提示词，编码评测分数不变，还总结出上下文工程新方法论。
四周2亿人围观！诺奖凭什么颁给他，都在这一个半小时里
纪录片《思考游戏》上线四周破2亿观看，由AlphaGo原班团队历时五年拍摄。它揭秘DeepMind实验室，讲述从质疑中诞生，经游戏试炼、AlphaGo对决，到攻克蛋白质折叠难题，同时也引发对AGI发展的思考。
OpenAI以为GPT-5搞出了数学大新闻，结果…哈萨比斯都觉得尴尬
OpenAI研究员宣称GPT - 5找到10个厄尔多斯数学难题解法，引发全网震动。但DeepMind CEO哈萨比斯指出是营销过度，GPT - 5只是搜到已有答案。OpenAI已删稿，此前GPT - 5有一定数学解题能力。
山东大汉苦战15年，硬改全球第三代芯片格局
本文讲述宗艳民创业历程，他从灯泡厂工程师到卖挖掘机，后投身碳化硅产业。天岳先进攻克技术难题，实现量产，获华为投资，还斩获半导体大奖。而美企Wolfspeed破产，天岳先进等中国公司崛起改变行业格局。