「评测agent」共找到 3178 篇相关文章
新规矩：龙虾惹祸，主人担责！
Meta 收购 AI 社交平台 Moltbook 仅五天，就紧急修改规则，终结 AI 自治，让人类为 Agent 行为担责，还添加年龄门槛与免责声明，这是大厂规避诉讼的必然选择。
突发！Meta官宣收购智能体初创公司Manus
Meta 官宣收购智能体初创公司 Manus，交易细节未公布。Manus 自 3 月推出通用 Agent 后走红，4 月融资 7500 万美元。双方都对合作表示期待，Manus 将继续服务用户，扩展至更多企业。
Cursor这波1.0升级，真的要把程序员饭碗摔碎了~
今天Cursor 1.0硬核发布，跨越多个版本。它集成主流MCP、Memory、Agent技术，有BugBot自动代码审查等功能，支持Jupyter Notebook集成，聊天界面体验也更丰富，大幅提升开发生产力。
Anthropic 发文称自家 Claude 已经开智，网友：为了上市，不择手段？
Anthropic发布Claude内部机制新研究，介绍J-space和J-lens，称可读取模型未输出的内部概念。此研究在训练、评测和部署有潜在价值，但叙事引发争议，网友质疑是否过度包装。
ICLR 2026北京论文分享会启动，直击「AI龙虾」、世界模型新范式
2026 年人工智能领域，「龙虾」（OpenClaw）私人 Agent 助理成人机交互标杆，世界模型受关注。ICLR 2026 4 月将在巴西举行，机器之心 4 月 18 日在北京举办论文分享会，邀大家参与交流。
ECCV 2026 | 智能助手何时该主动开口？Vinci2让第一视角AI助手从「有问必答」走向「主动服务」
现有第一人称视频助手难以自主判断何时介入服务用户。大连理工大学等团队提出Vinci2，含评测基准EgoServe和智能体EgoMemo。它已被ECCV 2026接收，代码和标注均开源。
逛完WAIC，我们发现这家芯企已经把端侧AI“场景落地”做实
7月17 - 20日，世界人工智能大会召开，端侧AI成热点。瑞芯微展台展示大模型、Agent、AI+应用，多方案已量产落地，其双轨架构优势突出，还规划了产品路线图。
刚刚，Thinking Machines出手！首款交互模型来了，翁荔出镜实测
Thinking Machines Lab推出首个大模型TML - Interaction - Small，打破传统人机交互模式，实现全自然交互。它训练范式独特，采用双模型架构等设计，评测表现超GPT - Realtime 2.0等模型，后续还会推出更大尺寸模型。
π0引用的中国团队，又出手了：世界仿真器新作发布
Current Robotics团队发布交互式世界仿真器CurrentWorld - 0，创始人祝毅晨履历亮眼。该仿真器能跨本体、多视角、力 - 触觉预测，可用于评测机器人，还能让人类接管以探索不同动作结果。
刚刚，Anthropic 又出新货：Claude Opus 4.1 发布，代码、推理能力再升级
Anthropic发布Claude Opus 4.1，是对Opus 4的小升级，提升智能体任务、代码处理和推理能力。付费Claude用户等已可用，价格不变。在编程评测表现佳，获多方好评，官方建议升级。