「测试评估集」共找到 2681 篇相关文章
陈天桥邓亚峰联手破解大模型记忆难题！4个月打造SOTA系统，悬赏8万美元发起全球记忆挑战赛
今年全球AI圈聚焦大模型记忆技术。陈天桥和邓亚峰带队的EverMind推出世界级长期记忆系统EverMemOS，发布即SOTA。其模拟人脑记忆机制，开源且上线云服务，还发起8万美元记忆起源大赛。
拥抱大模型：深入剖析ReAct的核心原理、技术架构及其对AI领域的深远影响
文章深入剖析ReAct，它是普林斯顿大学和谷歌团队提出的智能体架构范式，将推理与行动协同，构建TAO闭环。介绍其原理、架构，指出解决传统AI难题，也存在局限，未来可与强化学习等融合。
面向「空天具身智能」，北航团队提出星座规划新基准丨NeurIPS'25
卫星星座成数字经济时代基础设施，但运行背后规划难题待解。北航刘偲教授团队提出首个大规模真实星座调度基准AEOS - Bench，训练内嵌时间约束的调度模型AEOS - Former，为‘AI星座规划’奠定新技术基准。
好哇，缩短了设计与代码之间的差距。
Cursor更新可视化编辑器，输入`@Browser`即可使用。可拖动页面元素改结构，用控件调样式，还能描述更改内容、测试组件状态，缩小设计与代码差距，比Claude Code更便捷。
GPT-5.2 上线！全面超越 Claude Opus4.5 及 Gemimi 3.0 Pro
OpenAI 正式宣布 GPT-5.2 全面上线，一口气推出三个版本。GPT-5.2 Thinking 在推理能力上拉开代差，是 OpenAI 首个达人类专家水平的模型。各版本定位清晰，不同用户使用时间有别。
Mistral 3发布，14B多模态小模型表现优异
Mistral AI第三代模型发布，含三个小型密集模型和稀疏混合专家模型Mistral Large 3，全用Apache 2.0许可。有多项技术亮点，Ollama等支持部署微调，还给出实用配置建议。
Karpathy组建大模型「议会」，GPT-5.1、Gemini 3 Pro等化身最强智囊团
前OpenAI联合创始人Andrej Karpathy发推称养成用LLM阅读习惯，还做了个新项目，让四个最新大模型组成LLM议会当智囊团。项目是Web应用，提问后多模型处理，有互评和投票机制，已开源。
马斯克Grok 4.1双冠封王，爆冲第一！AI王座一夜易主
马斯克携xAI推出Grok 4.1并免费开放。它在LMArena和EQ - Bench登顶，写作Elo提升600分、幻觉率降3倍。后训练RL规模扩大，还经盲测评估，在多方面表现出色。
Anthropic 研究发现：仅需少量污染文档即可对 LLM 实施投毒
Anthropic的Alignment Science团队研究大语言模型训练投毒攻击，实验发现仅250条恶意样本就能植入“后门”，且模型越大攻击越易，还对微调数据集实验，引发讨论。
马斯克「世界模拟器」首曝，1天蒸馏人类500年驾驶经验！擎天柱同脑进化
特斯拉官宣「世界模拟器」，可模拟、合成自动驾驶的「孪生世界」，生成不同视角和长尾场景。它基于端到端神经网络，有学习人类价值观等优势。还能用海量数据解决难题，输出可解释中间结果，为自动驾驶和擎天柱训练服务。