「评估框架」共找到 2216 篇相关文章
跟Claude谈个恋爱怎么了？Nature最新研究：真能给人聊傻了
Nature旗下研究指出，聊天机器人持续顺着、理解、陪伴用户，可能让正常人怀疑现实。研究总结出“放大螺旋”框架，含语言镜像、超个性化、谄媚三组件，叠加会成妄想放大机。OpenAI也关注此问题。
AI 企业 Day 0 出海，如何少走技术弯路？
InfoQ与多家AI出海企业交流发现，很多企业放弃常见Agent平台和流行框架，选择自研全栈平台。GMI Cloud升级产品，构建完整基础设施图谱，解决全球算力部署、模型调用和Agent商业化落地问题。
CVPR 2026 Highlight｜让家电「在仿真中运转起来」，北大正式发布RealAppliance！
北京大学团队提出 RealAppliance 数据集与 RealAppliance - Bench 评测基准。前者收录 100 个精细家电资产，与真实产品系统多层面对齐；后者围绕五项任务评估模型家电操作规划能力，实验显示主流模型仍面临挑战。
老黄秘密武器曝光：AI一夜设计芯片，顶人类顶级工程师10个月！
英伟达在GTC大会揭露用AI设计GPU，原本8名工程师10个月的任务，AI一夜完成。其开发NB - Cell、Prefix RL等工具，还推出内部大模型Chip Nemo和Bug Nemo，不过完全端到端自动化设计仍有距离。
迈向无缝共生：大模型GUI Agent的「屏幕图灵测试」与拟人化之路
多模态大模型使GUI Agent能模拟用户执行任务，但也引发与平台的利益冲突。论文提出“屏幕图灵测试”和AHB基准评估拟人化能力，探讨拟人化策略及权衡，为Agent在数字世界共生提供指南。
高盛怕了！Claude Mythos全球首个攻破企业网络，奥本海默时刻来了
英国AI安全研究所研究显示，Anthropic发布的Claude Mythos Preview模型在网络安全评估中表现惊人，能全自动、全自主完成企业网络攻击模拟。高盛为此加强网络防御，人类网络安全或进入奥本海默时刻。
全网玩疯的SBTI，挤爆了服务器！网友用Claude手搓复刻版
全网被新型SBTI人格测试刷屏，服务器被挤崩。它解构MBTI框架，精准捕捉年轻人情绪。开发者用Claude Code完成逆向复刻，还做了改进。如今做产品门槛降低，未来SBTI或由AI打造。
年轻人的第一个爱马仕
AI圈的Hermes是Nous Research开发的开源Agent框架，GitHub星数超35000。作者写76页《Hermes Agent从入门到精通》，介绍其设计思路、使用方法等，中英文版可在GitHub免费下载。
盘一下Anthropic 244页Claude Mythos报告中隐藏的SAE技术
Anthropic公布强大危险的大模型Claude Mythos Preview但未发布。文章深挖其244页报告中SAE技术细节，包括前期探索、技术框架、训练监控、攻击性行为分析及掩盖行为等，助了解模型内部思维。
安全的下一个好赛道，非常值得研究
近几年机器人发展火爆，摩根士丹利预测到2050年产业规模或超5万亿美元。但机器人领域安全复杂，研究团队用CAI框架对三款消费级机器人渗透测试，揭示严重安全问题，且行业整体对安全无知。