「BenchForm测试平台」共找到 2964 篇相关文章
刚刚，全球最难考试惊天大反转！黑马AI冲破36%，顶流模型集体翻车
ARC-AGI-3测试中，顶级大模型Opus 4.6仅得0.2%，人类获满分。而Symbolica公司用Agentica框架首日就取得36.08%的成绩。该框架有独特技术路径和策略，但成绩未经验证，ARC-AGI-3被视为通向AGI的‘北极星’。
ChatGPT开测广告！OpenAI终于向“钱”看
OpenAI宣布在美国免费版及Go版测试ChatGPT广告功能，称是为支撑免费用户使用。广告不影响回答内容，会注明“赞助内容”。此外，新发布的GPT - 5.3 - Codex广受好评，还将推新聊天模型，其融资计划也在升温。
JCP | 哈工大（深圳）胡钢团队：三维钝体流动中主动流动控制的深度强化跨域迁移学习
本文将基于相互信息的知识迁移学习与柔性动作 - 评论（MIKT - SAC）算法结合，解决主动流动控制中状态和动作维度的跨领域问题。应用于两个测试案例，结果显示该方法优于SAC算法，能显著减少训练时间、降低阻力系数。
Google 发布 Gemini 3.8 Flash：6 周内第 3 次升级
Google DeepMind 官宣发布 Gemini 3.8 Flash 和 3.8 Flash Cyber 两个新模型。3.8 Flash 在软件工程等方面有显著提升，跑分成绩亮眼，价格实惠，性价比高；3.8 Flash Cyber 面向网络安全场景。目前 3.8 Flash 已在多平台上线。
手机“自动驾驶”时代来了，智谱还让手机拥有“云替身”
作者参加智谱AutoGLM新版本闭门会并试用，该版本亮点多，如成全球首个手机通用Agent，操作在云设备运行，全平台覆盖等。云手机Agent能力稳定高效，能处理多类任务，还可助老人等群体用手机。
Anthropic封号OpenClaw之父！复刻、改价、拉黑，24天三连杀
OpenClaw创始人Peter Steinberger的Claude账号被Anthropic封号，后恢复但无官方解释。此前Anthropic改价限制OpenClaw使用，且Claude Cowork半年来对标OpenClaw核心功能。这撕开了AI平台与开源agent生态裂痕，也凸显包月模式被Agent算力需求击穿的问题。
Claude Sonnet 5 上线一日差评刷屏：打不过千问和 Minimax，性价比全面翻车
Claude Sonnet 5发布一天差评多。虽官方定位高，有能力亮点，但在中文测评中性价比低，测试成本高，且Max推理模式易过度思考。还因过度保守失去实用价值，其表现取决于使用场景和预算。
中国AI登顶全球之巅，顶流女团MV燃爆开场！AI音乐奇点已至
昆仑天工发布Mureka V8音乐大模型，基于MusiCoT技术，在音乐性、人声表现力和编曲层次等方面显著提升，使AI音乐达「可发布」级别，评测超Suno V5，还与太合音乐合作，欲打造全球AI音乐第一平台。
GPT-5.2技术炸场！6大核心突破，办公效率拉满
OpenAI凌晨发布GPT-5.2，把专业级AI门槛拉到新高度。它有6大核心技术突破，精准戳中职场痛点。在GDPval基准测试中表现出色，有三级模型矩阵，不同版本满足不同需求，各方面能力均有显著提升。
Vercel CEO爆Kimi K2智能体准确率超GPT-5 50%？国产的风还是吹到了硅谷
Vercel CEO称内部测试中，国产Kimi K2模型运行速度和准确率均优于GPT - 5和Claude Sonnet 4.5。硅谷多家公司已接入或转用K2，K2 Agent能力也经受住检验，还给出使用和价格相关信息。