搜索：物理场景测试

「物理场景测试」共找到 3803 篇相关文章

企业 AI：方法论易得，交付力难求

2026年全球AI支出预计大增，但企业AI应用矛盾尖锐，需E2E交付。微软、亚马逊等巨头布局。阿里云蒋林泉总结RIDE方法论，后推出睿系列产品，能交付业务结果，在电销和翻译场景表现出色。

斯坦福NLP组发布ProgramBench，用200个完整代码库重建任务测试主流大模型，要求模型仅根据可执行文件还原如SQLite等项目完整代码，结果所有模型实际解决率为0%，说明模型更擅模仿代码表面结构。

4月初，京东探索研究院开源JoyAI - Image - Edit图像模型。它是业内首个将「空间智能」写进底层的开源一体化图像模型，能让模型「理解空间，编辑空间」，在电商和具身智能场景极具价值。

多模态大模型代码能力进步大，但基础视觉任务常失误。UniPat AI构建SWE-Vision框架，让模型用代码处理视觉判断，在五个视觉基准测试达最优，其极简设计有效且泛化性强，代码已开源。

近年来，基于多模态大语言模型的GUI智能体在自动化操作上虽有进展，但任务步数超10 - 15步时成功率断崖下跌。研究人员提出LongHorizonUI框架，构建LongGUIBench评测基准，推动GUI自动化在复杂场景落地。

亚马逊工程师 Joe Mag 分享团队用 Coding Agent 使代码产出效率提 10 倍，但 Bug 风险也放大 10 倍。介绍‘Agentic Coding’工作流，还给出借助 AI 做‘风洞测试’、升级 CI/CD、升级决策和沟通系统等建议。

Figure AI公司发布第三代人形机器人Figure 03，专为Helix、家庭和大规模应用设计。它有全新传感与手部系统，能感知回形针重量，还做了安全、易用设计，实现低成本量产，适用于家庭和商业场景。

Agent S3刷新了计算机使用智能体（CUA）在「OSWorld」基准测试的记录，性能达69.9%，接近人类水平。它引入bBoN实现并行扩展，还精简框架、引入原生代码智能体，已开源并发布论文。

蛋白质折叠是计算生物学核心难题，SimpleFold作为首个仅基于通用Transformer模块的蛋白折叠模型，摒弃AlphaFold2系列传统架构，能将蛋白序列生成三维原子结构，在多基准测试表现强劲，还可生成结构集合。

MIT联合英伟达发布的AI商业分析报告显示，仅5%的AI项目能创造百万美元价值，其余在亏损。AI项目落地难，因工具与场景有差距，企业自研成功率低，投资也偏向前端职能。