「BenchForm测试平台」共找到 2968 篇相关文章
刚刚，OpenAI任命新印裔CTO！11亿美金连公司打包收购，接管ChatGPT产品核心
OpenAI斥资11亿美金收购实验平台Statsig，其CEO Vijaye Raji成应用部门新CTO，将负责ChatGPT等产品工程。同时启动「OpenAI for Science」项目，打造AI驱动的科学发现平台。
OpenAI和Anthropic罕见互评模型：Claude幻觉明显要低
OpenAI和Anthropic罕见合作，互相授予API权限评估模型安全与对齐情况并发布报告。双方派出多模型参与，从指令层次、越狱、幻觉、欺骗策略等方面评测，呈现各模型优缺点。
每个token都在亏钱，但ARR9个月破亿！从烧光现金、裁掉一半员工到反杀Cursor，Replit CEO曝一年内如何极限翻盘
2024年初到2025年9个月内，Replit的ARR从不到1000万美元突破1亿美元。其增长基于系统性战略，从基础设施整合发力。创始人分享发展历程，还谈到AI编程趋势及产品边界等内容。
担心被曝“于谦门”，57岁的于谦到底用龙虾做了什么？
于谦视频播客《多新鲜呐》最新一期，本质是“AI产品用户体验公开测试”。于谦作为测试员，关注点在结果、省事、风险等，节目把技术叙事换成生活叙事，帮AI面向大众转译。
刚刚，Grok 4发布，「人类最后的考试」中拿下50.7%，碾压所有对手，游戏结束？
Grok 4发布并对X Premium+订阅者开放。它是领先的AI模型，人工智能指数超对手，全方位性能爆表，还具备实用功能。在「人类最后的考试」拿下50.7%，显示AI智能增长无上限。
苹果憋一年终超同参数 Qwen 2.5？三行代码即可接入 Apple Intelligence，自曝如何做推理
今年 WWDC 大会上，苹果推出专为增强 Apple Intelligence 功能的语言基座模型，含约 3B 参数紧凑型与基于服务器的混合专家模型。经优化可在苹果芯片高效运行，改进工具使用与推理能力，评测显示设备端模型表现优。
基于阿里云 AgentLoop 的 DeepSeek Harness 评测实践
本文分享基于阿里云 AgentLoop 平台的 DeepSeek Harness 评测实践。介绍了 DeepSeek Harness 工程架构，阐述 AgentLoop 平台接入方式及价值，还详述评估器设计思路、展示评测结果，最后总结方法论并展望后续工作。
本周 5 个超酷 GitHub 开源项目，实用到飞起！
本文介绍本周5个超酷GitHub开源项目。有显示苹果设备电池状态的AirBattery，开源卫星可视化平台keeptrack.space，本地图片压缩工具Pic - Smaller，跨平台端口助手Port - Killer，轻量级AI证件照工具HivisionIDPhotos。
AI 正在毁掉开源：从“协作圣地”到“垃圾洪水”，维护者士气跌至谷底，开始集体掀桌
AI Slop正破坏开源开发中维护者与贡献者的社会契约，贡献数量使系统不堪重负。文章探讨AI Slop时代开源现状、维护者应对方式，还提及基金会政策、极端选项、激励问题，并给出最终建议。
Human In the Loop竟然可以是个MCP?
文章基于阿里实践，阐述如何在大模型研发平台OpenLM及其他Agent平台，针对“Human In The Loop”场景做产品设计与研发。介绍用MCP实现人机回路的方案，还探讨人类回答及提示词倾向性等问题。