「具身操作评测」共找到 2050 篇相关文章
告别“炼丹玄学”：上海AI实验室推出首个大模型数据竞技场OpenDataArena
上海人工智能实验室OpenDataLab团队推出开放数据竞技场OpenDataArena，致力于将数据质量评估从“玄学”变为“科学”。它有数据评测榜单和完整可复现的数据价值验证体系，为多类需求提供解决方案，还开源了核心工具。
3.9K star 惊艳！！媲美IDM，跨平台，AI加速，这届高中生牛逼了！
Ghost-Downloader-3是高中生用Python打造的跨平台多线程下载器，初衷是帮B站UP主整合资源。现具AI加速等功能，在GitHub获3.9K星，安装简单，未来还将添加磁力和BT下载。
GPT-4o替代爹味GPT-5！奥特曼光速滑跪，OpenAI连夜回滚「赛博舔狗」
GPT-5上线后因冷漠爹味遭用户抵制，奥特曼宣布GPT-4o满血复活成默认模型，还让GPT-5更具个性。同时揭示用户与模型的情感联系，也指出GPT-5对开发者意义重大。
李飞飞押注的「世界模型」，中国自研Matrix-3D已抢先实现了？
中国自研世界模型Matrix-3D可单张图生成3D世界，效果对标李飞飞的World Labs，还能实现更大范围探索。它有诸多优势，技术上有创新，数据集有特点，应用前景广泛。
机器人高层指挥低层做，“坐标系转移接口”一次演示实现泛化学习 | ICML2025
美国东北大学和波士顿动力RAI提出HEP框架，首创“坐标系转移接口”，有极简高效分层结构、空间对称性自然泛化、创新型体素编码器等亮点。它基于分层策略和接口，提升机器人操作灵活性与泛化性，论文被ICML2025收录。
n8n接入Fastgpt MCP，丝滑构建超强RAG工作流【一键发布到公网】太绝了！
n8n是可让普通人快速、灵活搭建AI Agent工作流的开源平台。研究发现其用RAG搭建知识库较复杂，体验不佳。作者将Fastgpt知识库接入n8n，对接丝滑，RAG效果棒，还介绍了操作步骤。
看遍奥斯卡后，VLM达到电影摄影理解新SOTA｜上海AI Lab开源
上海人工智能实验室等推出ShotBench、ShotVL及ShotQA，ShotBench含超3.5k问答对，ShotQA约7万个问答对。ShotVL在ShotBench评测中表现出色，3B参数的ShotVL-3B增益达19.0%，超越GPT - 4o等。
核心团队被谷歌挖角后，Cognition 宣布收购 Windsurf 剩余团队
今日凌晨，29岁华人IOI金牌创始人Scott Wu官宣Cognition AI收购Windsurf。此前谷歌以24亿美元收购其核心团队。虽部分人员出走，但Windsurf产品、业务、数据等仍具价值，Cognition计划整合技术打造生态。
推理正确率下降65.5%！斯坦福、MIT等用「不等式」拷问AI逻辑极限
大语言模型在数学证明常现推理漏洞，斯坦福等高校团队提出IneqMath基准评估其严谨性。用不等式证明题切入，拆解为子任务，构建评测体系，用LLM - as - Judge审查。结果显示模型推理正确率低，存在结构性缺陷。
红杉中国推出 Agent 基准测试「xbench」，双轨评估体系，关注 AI 真实场景的效用
红杉中国开放AI和Agent基准测试工具「xbench」，采用双轨评估体系，构建多维度测评数据集。首期发布两个核心评估集并排名，提出垂类Agent评测方法论。该工具旨在解决现有评估问题，关注AI真实场景效用。