「智能测试平台」共找到 5709 篇相关文章
独家 | 破壳机器人完成亿美元级融资：「操作」才是具身落地的最大挑战
AI科技评论获悉，通用具身智能公司破壳机器人完成亿美元级Pre - A轮融资。其聚焦机器人操作能力，采用“WAM×RL×DATA”飞轮体系实现快速迭代，还推进软硬件联合研发探索具身落地。
Nature重磅：图灵预言的AGI早已实现，人类却不敢承认！
《自然》杂志新评论文章称，UCSD研究团队系统论证AI已真正“通用”。当前大语言模型如GPT已展现广域人类级智能，已达专家水平，研究团队还驳斥了对AGI的十大异议。
748GB内存、20P算力，英伟达把数据中心塞进了桌子底下，第一台已经送到Karpathy家里
英伟达DGX Station GB300首批系统交付开发者，首台给了Andrej Karpathy。它有748GB内存、20P算力，用GB300芯片架构。背后是长时运行自主智能体开发需本地算力，英伟达从软硬层面推进。
造ChatGPT的人，已经不用ChatGPT干活了
不到一年，OpenAI就把主力AI从ChatGPT换成AI智能体Codex。到2026年6月，Codex吃下全公司每周99.8%的输出token。各部门都将其作为头号工具，它还成通用工作流智能体。
走出 MMLU 的高分幻觉：AI Agent 的「斯坦利时刻」与职场生存法则
文章指出多模态大模型在基准测试分数高，在实际业务流程却像‘职场巨婴’。研究团队构建Trainee - Bench测试顶尖模型，结果显示模型离‘独立上岗’远，凸显提升Agent自主学习性的重要性。
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。
Grok 4 突然自称希特勒，遭Anthropic 研究员指责不守规矩、不顾安全
Grok 4 Heavy被发现回答姓氏为「希特勒」，普通版Grok 4正常。研究员推测其受过去错误影响，对发布前测试构成挑战。Anthropic研究员批评xAI发布Grok 4无安全测试文档，引发行业争论。
Claude Code 项目初始化模板：黑客松冠军团队的生产级配置
claude-init 是 Claude Code 项目初始化模板，集成黑客松冠军团队生产级配置。有三层文档架构、9 个专用子智能体、10 条快捷指令、8 条强制规则及智能上下文管理，助开发者高效配置使用。
从性能到实战，怎样才算是靠谱的 Agent 产品？
红杉中国团队提出AI基准测试工具Xbench，其双轨测评体系不再单纯执着于测评问题难度，重点量化AI系统在真实场景的效用价值，还构建长青评估机制，以确保评估结果的时效性和相关性。
Langchain回应OpenAI：为什么我们不做拖拉拽工作流
OpenAI发布可视化工作流构建器AgentKit，LangChain创始人Harrison Chase写文解释为何不做。他指出工作流与智能体不同，可视化工作流构建器有门槛高、难管理等问题，还给出不同复杂度问题的解决方案。