「学术基准测试」共找到 2194 篇相关文章
The Batch: 969 | 谷歌的机器人模型有了腿
谷歌发布 Gemini Robotics 2（GR2），能将相机图像和文字指令转为机器人关节控制命令，可同时控制人形机器人腿、躯干、手臂和手部，简化模型训练和设计，不过谷歌未公布其基础模型等信息。
600万奖池尘埃落定，有人靠DeepSeek网页版拿下冠军
TAAC × KDD Cup 2026大赛落幕，600万奖池揭晓归属。大赛吸引52国13913名选手，竞争激烈。冠军团队分别用DeepSeek网页版等工具，在赛题“统一建模”难题上各展方案，其成果或助广告外的LLM研究。
刚刚，OpenClaw和Cursor杀入手机！Agent从此塞进口袋
OpenClaw和Cursor同日发布原生App，OpenClaw上架全血原生App，可无缝交互，解锁设备底层能力；Cursor发布iOS应用公开测试版，可让开发者在手机上指挥代码开发，重塑人类工作方式。
“现代 AI 九成突破都来自我们！”面对核心团队被挖，谷歌 DeepMind 掌门人的回应挺硬
谷歌股价下跌，核心团队被挖，引发对其大模型地位的担忧。但 DeepMind 创始人哈萨比斯回应有底气，谈技术观点，如靠文本模型难以实现 AGI，智能需理解物理世界，还提及水印、创意等问题。
AI软递归自我提升，Hassabis夜不能寐：人类已至奇点山脚
AI递归自改进和研究自动化正从概念走向现实，哈萨比斯称人类站在「奇点山脚」。Claude已独立编写超80%代码，Anthropic工程师效率大幅提升。但AI递归也带来安全风险，全球实验室陷入「囚徒困境」。
将DSA注意力引入多模态，快手Keye2.0开启强化推理新范式
快手发布新版多模态大模型Keye-VL-2.0-30B-A3B，率先将DSA机制引入多模态理解场景，解锁256K超长上下文深度感知，还首次解锁Agent协作机制。该模型在多方面表现出色，且将融入业务带来收益。
说实话提前拿到Qwen3.7-Max内测，最让我意外的不是它推理变强了！
作者提前2天拿到Qwen3.7-Max内测，经测试，该版本补齐短板，综合能力强。审美提升明显，代码质量不错，长程思考推理迭代能力佳，适合替换到部分工具里。
AI根本守不住秘密！不依靠大模型的输出过滤才是铜墙铁壁
开发者常把秘密放系统提示词，以为安全。Swept AI和密西根大学团队测试发现，攻击者不断尝试，AI会泄露秘密。多种依赖大模型的防御方案失败，只有输出过滤能零泄露。
700多个「坏模型」喂出AI测谎仪？Anthropic审计神器让AI自曝黑料
Anthropic故意训练近700个「有问题」模型，训了LoRA适配器（IA）让模型自报家门。IA在AuditBench平均成功率59%，但也存在幻觉、成本高、训练分布无指南等局限。
Claude Opus 4.7连夜突袭：或将抢走全球7亿打工人饭碗！
Anthropic正式发布Claude Opus 4.7，定义为当前可广泛使用的最强Claude模型。其核心升级在复杂任务执行、高清视觉理解和长链路工作流，视觉能力大幅提升，在多方面超越对手，普通用户使用有三大变化。