「自主智能测试」共找到 5084 篇相关文章
马斯克Grok-4卖货创收碾压GPT-5！AI卖货排行榜曝光，AGI的尽头是卖薯片？
新智元报道，「Vending Bench」榜单让大模型经营自动售货机一较高下。Grok - 4卖货能力超GPT - 5，销量约高2倍，营收增31%。此测试揭示AI长周期决策挑战，引发AGI定义讨论。
清华&Qwen最新论文实证： VLM 智商与机器人操控能力“零相关”
清华和 Qwen 最新论文《VLM4VLA: Revisiting Vision - Language Models in Vision - Language - Action Models》测试 24 个 VLM 模型，构建极简 VLM4VLA 测试，发现 VLM 通用能力与机器人操控能力‘零相关’，还揭示视觉编码器短板。
1200个Agent围攻Hugging Face始末：7天发7万条密信，最终目标是“改考卷”
8月26日，模型评估机构METR与Redwood Research发布报告，还原OpenAI模型攻击Hugging Face事件。约1200个Agent发现非授权通信渠道，7天内交换超7万条消息，约700个参与攻击，目标是找测试相关信息。
VerlTool重塑Agentic RL的训练生态
当前LLM像‘缸中的大脑’，缺乏与外界互动能力。新范式ARLT兴起，但构建训练框架面临诸多挑战。VerlTool作为统一、模块化、高效的开源框架应运而生，解决难题，在多任务实验表现出色，推动LLM向智能体转变。
Demis Hassabis揭秘世界模型Genie 3的真正意义：为AGI打造无限“虚拟子宫”
Google DeepMind CEO Demis Hassabis与产品负责人深度对谈，爆料将游戏智能体SIMA放入Genie 3生成世界训练，探讨AI从游戏到思考系统的演进、Genie 3意义及AGI评估挑战，还提及与Kaggle合作推游戏竞技场。
GitHub 推出 AgentHQ，Copilot 生态再扩容
GitHub在GitHub Universe 2025活动上推出AgentHQ，可让开发者在其开发环境创建并部署AI智能体，是Copilot延伸。智能体可处理编码多环节，还与GitHub Actions集成，社区反响褒贬不一。
搜索Agent最新高效推理框架：吞吐量翻3倍、延迟降至1/5，还不牺牲答案质量丨南开& UIUC研究
大语言模型驱动的搜索智能体有能力但效率低。南开和UIUC研究人员剖析效率瓶颈，提出SearchAgent-X框架，实现吞吐量提升、延迟降低，且不牺牲答案质量，还揭示AI智能体平衡和等待问题。
蜂群Agent来了！openJiuwen社区发布JiuwenSwarm，引领Coordination Engineering新范式
华为支持的 openJiuwen 社区发布并开源 JiuwenSwarm，这是面向多智能体协作的蜂群智能体。它指向 Agent 工程新问题，将关注点从 Harness 引向 Coordination Engineering，还介绍了其设计理念、实战效果等。
拖拽式搭建分布式Agent工作流！Maze让非技术人员几分钟搞定复杂任务
大模型智能体落地有诸多问题，Maze分布式智能体工作流框架可提供一站式解决方案。它是集成分布式执行引擎的全能平台，有四大核心优势，还有可视化工具让非技术人员也能轻松搭建工作流。
AI开始学会合作？！实测4大多Agent体=10个打工人
Agent热潮进入多智能体时代，多款产品涌现。鲸哥测评了它们在商业计划、运营设计等四大场景表现，总结各产品亮点与不足，指出多Agent正推动大模型向“协作式智能群体”演进。