「自演进评测」共找到 1885 篇相关文章
Stripe 发布基准测试：AI 智能体可开发集成方案，但校验环节存在短板
Stripe推出基准测试套件，评估AI智能体构建完整Stripe集成方案的能力，测试聚焦金融系统贴近生产环境的集成场景。测试显示，不同任务类型评测结果差异显著，核心瓶颈在于验证环节，当前智能体短板在校验逻辑等方面。
李飞飞、Jim Fan和徐丹飞联合重磅论文：机器人灵巧手，可能走错了路
李飞飞等学者联合发表论文，分析当前触觉融合方案缺陷，提出 T - Rex 架构。它改变触觉输入方式，使用新编码方法和数据集，经三阶段训练，在 12 项任务评测中平均领先 30 个百分点，也指出了局限与未来方向。
离谱！我以为它只是提示词合集，结果 16.4 万 Star prompts.chat 直接把 Prompt 收藏夹干成团队资产库
一开始以为 prompts.chat 只是提示词合集，实际它把零散 Prompt 变成可搜索、可自托管、可接工具链的团队资产库。截至 2026-06-29，它在 GitHub 有 16.4 万 Star，还介绍了其功能、适用场景和局限。
OpenAI博通联手发芯片，黄仁勋还能保持松弛吗？
OpenAI与博通联手发布自研推理芯片Jalapeño，英伟达虽业绩亮眼但正被围攻。博通的ASIC芯片及通信优势、中立身份受青睐，OpenAI和Anthropic也正脱离英伟达管控，博通靠“芯片自主权外包”模式上位。
机器人整机是“有限游戏”？对话星海图创始人：具身智能商业化的三个阶段，终点是卖Token
星海图CEO高继扬等提出具身智能三重跃迁，发布新模型并开源，首秀自研机器人。公司从整机起步，联合建数据公司，规划数据量。其商业模式分三阶段，认为中国具身基础模型能力有望超美。
突发｜Andrej Karpathy官宣加入Anthropic！
周二晚间，Andrej Karpathy在X上自宣加入Anthropic，将在核心预训练团队工作。他是AI领域极具影响力人物，曾任职OpenAI、特斯拉等。此次加入或助推Anthropic上市，也让OpenAI面临压力，或引发新一轮AI军备竞赛。
ACL 2026｜打破推理同质化！阿里达摩院新作让RLVR从重复采样走向有效探索
阿里达摩院智能决策团队提出面向RLVR后训练的探索增强框架I²B-LPO，改进rollout策略，在关键节点生成更具区分度的推理轨迹，结合信息瓶颈自奖励机制，在多个数学基准上提升准确率与语义多样性。
2026 年做搜索就是做 Agent Memory
本文整理自Elastic全球副总裁肖涵演讲，讲述AI搜索发展历程，指出2026年做搜索基本是做智能体记忆。分析智能体记忆痛点、表征、遗忘等问题，介绍Jina AI相关模型，梳理记忆产品分类与工作流，给出行业观点与建议。
Tair 短期记忆架构实践：淘宝闪购 AI Agent 的秒级响应记忆系统
本文从淘宝闪购与千问合作的‘一句话点外卖’项目出发，介绍 Tair 在 AI Agent 记忆管理中的数据模型设计、压缩策略与并发控制等关键实践，展示其在低延迟、数据建模、并发安全和弹性抗压等方面的能力。
卡帕西都整破防了：AI Coding没门槛，可部署环节真嗯啊的难
AI Coding界明星卡帕西公开吐槽，代码不再是AI编程瓶颈，部署才是。他以自己开发「菜单图片生成器」的经历为例，指出部署环节问题频发。他认为应让AI调用和配置，还推荐了Stripe Projects等优化产品。