搜索：自动评测体系

「自动评测体系」共找到 1696 篇相关文章

Claude Code 2.1 发布：一口气更新了80多个功能特性

2026年1月7日Claude Code发布2.1.0版本，后又跟了2.1.1小修复，更新内容超80条。有Skills自动热重载等新功能、大量bug修复及体验优化。作者建议大家升级，认为它想做完整开发环境。

旧金山变电站失火致大规模停电，红绿灯不亮使Waymo无人车全面停摆，造成拥堵。官方称遇故障红绿灯车会停下，停电致远程安全员连不上。马斯克称特斯拉Robotaxi未受影响，双方路线之争激烈。

在2025小米人车家全生态合作伙伴大会上，罗福莉首秀解读全新大模型MiMo - V2 - Flash，该模型已开源，采用MoE架构和MTP技术，在多方面表现出色，罗福莉还阐述其设计逻辑与对下一代智能体的看法。

北大团队发布多模态、高难度化学基准SUPERChem，构建评估大语言模型化学推理能力新体系。测试显示，GPT - 5准确率仅38.5%，与低年级本科生相当，且模型在高阶推理有短板，该基准为模型优化指明方向。

OpenAI在成立十周年推出GPT - 5.2，相比GPT - 5.1在多实用领域更强，视觉理解等能力提升。ARC - AGI测试中得分超谷歌Gemini 3 Pro。拆解其多方面能力，还介绍核心团队多为数学专业新面孔。

硅谷大佬热衷预言AI接管公司，皮查伊称CEO工作AI易胜任，奥特曼想让OpenAI由AI掌管。但当下技术连自动售货机都难经营好，科技巨头豪掷3万亿，纳德拉却认为AI难掌管公司。

传统智能体系统难兼顾稳定性和学习能力，斯坦福等团队提出AgentFlow框架，通过模块化和实时强化学习优化策略，使7B参数模型在多任务上超越GPT - 4o等大模型，为AI发展提供新思路。

亚马逊本周宣布裁1.4万员工，占白领4%。被裁员工在TikTok、LinkedIn等平台记录失业瞬间，社交媒体成“失业直播间”。AI早已融入工作流，此次裁员或与AI投入有关，传统白领体系正被重新编码。

阿里云与北大合作，由CTO周靖人带队的研究提出GPU池化系统Aegaeon，亮相顶会SOSP。它用token级自动扩缩容技术，将GPU使用量从1192个减到213个，提升了资源利用率，还在百炼平台测试成功。

AI Agent正迎来“祛魅”时刻，市场关注焦点从“模型有多大”转向“业务有多懂”。甲子光年智库分析，其角色进阶为“数字员工”，重塑人机协作模式。众安信科深耕企业级场景，构建闭环体系，其AI Agent成效显著。