「指标治理」共找到 414 篇相关文章
翁荔最新博客：我们可能高估了模型，却严重低估了那层“脚手架”
前OpenAI安全研究副总裁翁荔在新博客聚焦AI领域Harness Engineering。她认为Harness是决定模型在现实任务中走多稳、多远的‘脚手架’，并梳理其演进路线，也指出研究面临评估、安全等瓶颈。
AI 还在装失忆？1 万 Star 开源 EverOS 有点东西，把 Agent 记忆塞进 Markdown
EverOS 是 EverMind - AI 开源的项目，有 10325 Star。它给 AI Agent 等提供 local - first 长期记忆运行时，把记忆源头放 Markdown 里，以 SQLite 和 LanceDB 管理和检索。介绍了其优势、链路、适用场景等。
OpenAI发布新模型 GPT-Rosalind：专攻生物学、药物发现和转化医学
OpenAI发布生命科学前沿推理模型GPT - Rosalind，目标是生物学研究等领域。它是生命科学模型系列首款产品，在多方向表现强。当前以研究预览版向特定合作机构开放，有意机构可申请。
OpenClaw代码越改越崩？新研究EvoClaw揭示：Agents持续开发成功率仅13.37%
USC邓港大等联合发布评估基准EvoClaw，揭示AI在持续开发场景下表现不佳，成功率仅13.37%。研究还指出当前评测易高估AI能力，提出DeepCommit重构演进历史，分析各模型在持续演进中的局限与问题。
ECCV 2026 | 北大团队提出 Atomic Dance：基于原子动作的可解释音乐舞蹈生成框架
北大团队提出 Atomic Dance 框架，以原子动作作为舞蹈基本单元，建立有明确语义和结构的舞蹈表示，设计“动作规划 — 舞蹈生成”两阶段框架，让生成的舞蹈更符合音乐节奏和编舞逻辑，具备可解释性和可编辑性。
LLM 仅靠自身就能增强推理？SePT 给出简洁在线自训练范式
多数推理后训练方法依赖外部信号，SePT仅用模型自身生成的答案自训练，能提升推理能力，数学推理任务准确率升10个点。它核心简洁，设计关键是温度解耦等，不损模型通用能力，代码易迁移复现。
企业级 AI Agent：彻底说清 MCP、CLI、Skills，如何定位、该怎么选、最佳实践。
文章解读了 MCP、CLI、Skills 三者定位、组成与工作层次，介绍工具选择方法，强调组合应用以发挥企业 Agent 最大效能，还指出 MCP、CLI、Skills 使用误区及 PTC 应用模式等。
一张图生成「能动」的3D资产：VAST+香港大学AniGen把AIGC推向动画、游戏、仿真与具身智能 (SIGGRAPH 2026 TOG)
SIGGRAPH 2026论文AniGen，由VAST和香港大学研究，能从单张图片直接生成带骨架与蒙皮权重的可动画3D资产。它解决了现有方法的不足，在多方面表现出色，对多个领域意义重大。
二元成功率已经过时！PRM-as-a-Judge才是你需要的具身操作评测框架
传统二元成功率评测具身操作任务有局限，难回答策略推进、执行效率等问题。中科院自动化所等机构研究人员提出PRM - as - Judge框架，含进度势能、OPD指标体系和RoboPulse基准，能细粒度审计执行过程。
桌面版Codex的好日子，OpenAI两年前的宫斗剧内幕被曝光，并非路线之争！
在OpenAI发布桌面版Codex时，微软CTO内部邮件曝光2023年11月OpenAI政变内幕。冲突核心是资源争夺和个人地位之争，包括GPU资源分配矛盾、Ilya与Sam个人矛盾，还暴露出董事会运营经验不足等问题。