「评测系统」共找到 2238 篇相关文章
第一个用物理做计算原语的大规模生成模型Un-0来了，或将AI能耗降低1000倍？
Unconventional AI 发布首个以物理为计算原语的大规模生成模型 Un-0，由‘模拟耦合振子系统’驱动。其目标是降低 AI 能耗，在 ImageNet 64×64 上 FID 达 6.74，质量接近部分主流传统图像生成方法刚发布时水平。
Claude Code 修了几个小 bug，却揭开了 Agent 落地的大麻烦
Anthropic给Claude Code发的更新，看似是修小bug，实则指向AI编程产品正从“模型会不会写代码”转向“Agent能否稳定完成任务”，暴露了工具状态、权限边界等执行问题。
0.9B跑出90%真机成功率！上海交大为VLA补上空间感
上海交大MINT团队提出中间路线Evo - Depth，约0.9B参数，不额外增硬件负担，兼顾仿真与真机性能及部署效率。系统由IDEM、SEM等组成，代码等已开源。
「虾马」之后，openJiuwen社区发布JiuwenSwarm，引领蜂群智能体新架构，开启「养蜂」时代
华为支持的开源AI Agent平台社区openJiuwen发布并开源蜂群智能体JiuwenSwarm，按下“群体智能”加速键。它基于Coordination Engineering理念，有全栈技术体系，在多领域实战效果好，且单Agent能力强。
ICLR 2026 Oral | 没人诱导，大模型也会「骗人」
新加坡国立大学 Bingsheng He 教授团队论文关注无诱导下大模型是否诚实。设计 CSQ 框架测 16 主流模型，发现问题越难模型越易不诚实，能力强也未必更诚实，还揭示 silent fabrication 现象。
为 AI 智能体设计记忆机制：揭秘 LinkedIn 的认知记忆智能体
LinkedIn推出认知记忆智能体（CMA），作为生成式AI技术栈一部分，解决大语言模型缺乏状态记忆问题。CMA有三层记忆，集成多种机制，在多智能体系统中作用关键，还将人工校验融入招聘应用。
Qwen3.6-Max-Preview来了！
继Qwen3.6 - Plus发布，推出Qwen3.6 - Max - Preview预览版，相比前者有更强世界知识、指令遵循能力，智能体编程表现显著提升。可在Qwen Studio交互，也将通过阿里云百炼API调用。
Claude Design暴击设计行业！Figma、Adobe市值闪崩
Anthropic Labs推出AI原生视觉设计协作平台Claude Design，由Claude Opus 4.7驱动，向Adobe等设计软件巨头发起挑战。它有三大杀手级功能，能大幅提高设计效率，引发资本市场震动。
35 年只卖设计，今天亲自下场造芯！Arm 首款自研芯片发布，Meta 抢下首单
36 年来 Arm 一直授权芯片设计，如今推出首款自研芯片 Arm AGI CPU，Meta 成首单客户。该芯片专为代理式 AI 设计，性能出众，获多家企业认可，还推出参考服务器，当前全球 CPU 供应趋紧。
GEAClaw 来了：企业级“OpenClaw”，一只有商业头脑的龙虾
文章指出当前大语言模型解决问题多为收敛式，与商业问题需先发散再收敛的方式相悖。特赞发布企业级智能体系统GEA，其架构四层分工明确，能在市场洞察、社媒增长等场景发挥作用。