「自动评测体系」共找到 1696 篇相关文章
AI公司烧不起Token了！国产Agent杀出，逼近Opus 4.6还免费
Token成AI时代“电力消耗”，企业成本压力大。昆仑万维推出高性能Agent模型SkyClaw - v1.0及轻量版，性能逼近顶流，价格低且限时免费。经实测能力强，其训练体系独特，未来还将开源。
监管正式落地严查，全国首部AI产品合规标准来了
自2023年相关办法发布，国家监管网越织越密，AI产品合规成企业必答题。《生成式人工智能产品安全与合规指南》团体标准应运而生，构建全生命周期合规体系，有全链路、全场景、全配套亮点，还公开征集起草单位与专家。
CVPR 2026｜用互联网视频替代3D标注：通研院团队打造SceneVerse++「最大规模」真实3D场景数据
北京通用人工智能研究院团队在CVPR 2026接收论文中，提出自动化数据引擎，用互联网视频构建SceneVerse++数据集，规模超现有同类，在3D检测、VQA、VLN任务提升性能，还指明3D空间智能发展方向。
3B激活参数，干翻GPT-5.4和Opus4.6，商汤绝影把龙虾塞进了车里
商汤绝影发布端侧多模态大模型Sage，32B总参数、3B激活参数，在PinchBench评测超Claude Opus4.6等。自研SCOUT和ERL技术助力，从多维度领先同量级端侧模型，为座舱智能体提供支撑。
FlowUs 创始人创立 Kollab，要为 AI 构建团队大脑
AI 从对话框向 Agent 等形态演变，完成单个任务能力增强，但工作场景中仍有协作断裂问题。Kollab 产品想解决此问题，让任务在组织自动流动，切中 Team - level AI，有共享工作空间等 4 个层级。
从 Rule、Spec 到 Harness：AI Coding 的渐进式建设路径
作者分享帮团队落地AI Coding经验，指出试点易但推广难，瓶颈在接收端。介绍从Rule、Spec、Loop到Harness的渐进式建设路径，各层前后相依，逐层收紧控制面，助AI在工程体系稳定交付。
Anthropic冲塔ASI自进化，要做全球操作系统！Claude OS一刀砍向6.4万亿帝国
Anthropic野心勃勃，开启ASI自进化，目标打造全宇宙最强AI操作系统Claude OS，欲抢夺苹果微软6.4万亿市值。Claude可控制电脑，多项功能上新，还推出自动模式，且营收增长快、客户结构优化，离ASI越来越近。
GitHub 狂飙 2.5 万标星，这款「会自愈」的 Python 爬虫框架杀疯了！
GitHub上爆火的Scrapling项目，是自适应Web爬虫框架。它能让爬虫‘学习’和‘适应’，解析器可自动定位元素，请求器能绕过反爬系统，性能强且支持多种会话类型，还能与AI工具集成。
让问题不过夜：交易领域“问诊”Agent实践
文章针对研发支持中的痛点，构建智能Agent系统，将问题抽象为业务答疑与问题诊断两类能力。介绍了系统架构、构建演进、知识体系、质量评估等内容，还展示实战成效，指出当前边界与下一步方向。
CL-Bench的故事没有结束，生成式CL-Bench：GENIUS来了
北大团队发布GENIUS，用于评估模型生成式流体智力。它构建含510个样本、20个子任务的评测集，测试模型多方面能力。实验显示当前模型流体智力有短板，还提出免训练注意力校准机制提升性能。