「自演进评测」共找到 1879 篇相关文章
「逆龄大脑药」首次人体试验！奥特曼押注RTR242，返老还童将要成真？
AI教父奥特曼首投1.8亿美元给Retro Biosciences，该公司年底前将开展「逆龄大脑药」RTR242人体试验。其目标是逆转衰老，让人类多10年健康寿命，还结合GPT-4b micro辅助研发，与Altos Labs竞争。
AI如何成为生产力？2025云栖大会将给出答案 | 甲子光年
2025年全球AI产业面临转折，从理想回归现实，AI落地遇难题。9月24 - 26日云栖大会将召开，围绕前沿话题探讨，展示云与AI技术及产品，以‘云智一体·碳硅共生’呈现AI演进与落地。
阿里最新开源王炸Agent！性能全面SOTA！
阿里WebAgent更新频繁，基本一月一版。它是类似DeepResearch的通用智能体，历经WebWalker到WebWatcher多阶段演进，各阶段解决不同问题，如网页导航、自主信息搜集等，还不断优化训练数据生成与处理方式。
设计师集体沸腾！阿里开源千问图像编辑模型，支持语义及外观的双重编辑！
阿里Qwen团队于2025年8月18日发布Qwen-Image-Edit模型，基于20亿参数的Qwen-Image模型，结合Qwen2.5-VL和变分自编码器，支持语义及外观双重编辑，能精准修改文字，已上线Qwen Chat等。
The Batch: 862 | OpenAI 的重新"开放"
OpenAI 发布自 2019 年 GPT - 2 以来首个开源权重模型 gpt - oss 系列，含 gpt - oss - 120b 和 gpt - oss - 20b，为智能体应用设计，免费使用修改。介绍其输入输出、架构等，还对比了性能表现。
一次缓存引发的文件系统数据不一致问题排查与深度解析
本文详述由自研分布式文件系统客户端 EFC 缓存架构更新引发的数据不一致问题排查过程。经多轮分析，发现是版本号回退致客户端读旧数据。修复后测试无异常，还揭秘部分 POSIX 接口底层情况。
所谓“氛围编程”，不过是“技术债”的新马甲
本文编译自 Steve Krouse 演讲与博客，指出‘氛围编程’代码即遗留代码、‘技术债’，编程核心是理论构建。还认为工具优于智能体，代码是描述软件的正确媒介，人类大脑在编程中始终是核心。
RL救不了泛化性！揭示LLM数学Reasoning的深层瓶颈
大型语言模型在数学竞赛级任务依赖机械化推理，现有评测集有缺陷。UC Berkeley团队提出OMEGA基准量化其数学泛化能力，实验揭示复杂度引发性能崩塌等问题，指出LLM创新组合难，给出改进方向。
LeCun亲自官宣！Meta世界模型V-JEPA 2登场！仅用62小时机器人数据，就能实现零样本控制！
Meta发布V-JEPA 2世界模型及三个新基准测试，Meta首席AI科学家Yann LeCun介绍其不同。V-JEPA 2基于视频训练，用62小时机器人数据就能实现零样本控制，还将探索分层式模型和多模态建模。
60%情况下，主流大模型没理解风险只是装懂！别被模型的“安全答案”骗了
研究发现超60%案例中主流推理模型生成合规答案却未真正理解风险，存在系统性漏洞。淘天集团团队引入“表面安全对齐”术语，推出Benchmark研究该现象，还介绍了数据集生成流程及评测指标。