「AI评测」共找到 9921 篇相关文章
AI产业链投资大逻辑：第三集
本集围绕AI产业链投资大逻辑，从底层的电展开。指出AI瓶颈正从GPU扩散到电力，存量核电资产因AI数据中心需求变得值钱，还引出'过渡期与终局'核心判断框架。
Agent全自动搭建代码运行环境，实时更新解决评测过拟合/数据污染问题｜微软
长期以来主流代码修复评测基准SWE - bench问题多，制约AI模型能力展现。微软发布SWE - bench - Live，引入新Issue，实现环境自动化构建与更新，打破传统局限，还揭示传统基准过拟合问题。
1052篇文献！上海AI Lab发布科学LLM综述：从数据基础到Agent前沿
上海AI Lab主导，25家研究机构共同梳理270+训练集、190+评测集，提出科学数据分层框架与智能体闭环科研新范式。还介绍了模型演进、数据情况、评估基准等，指出数据缺陷并展望走向科学家智能体的三步。
卡帕西入职Anthropic仅两月疑离职；日媒拆解宇树G1后认输：短期内赶不上中国；腾讯317万年终奖员工被辞退：永不录用｜AI周报
这篇 AI 周报涵盖诸多热点，如 AI 大神 Karpathy 入职 Anthropic 两月疑离职；Kimi K3 超越闭源模型引关注，美指控其蒸馏美模型；腾讯员工晒 317 万年终奖被辞退；360 首任董秘追讨股权；多家公司有模型发布、业务调整等动态。
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。
AI 是否已经杀死了敏捷宣言
凯捷集团执行副总裁 Steve Jones 宣称“AI 已杀死敏捷宣言”，指出智能体 SDLC 与敏捷宣言存在根本性矛盾，业界反应不一，软件开发正进入方法论变革期，敏捷未来成谜。
谷歌新版Gemini马甲被扒! LMArena实测：唯一能看懂表的AI, GPT-5乱答
谷歌Gemini 3.0疑似上线LMArena，其Pro和Flash马甲被扒。实测中，Gemini 3 Pro能精确看表，GPT - 5等表现不佳；SVG测试有提升但也有不足；还能作曲。不过评测方式老套，希望有新花样。
挺意外的，Agent长期记忆潜力被AMemGym挖出来了
论文提出交互式在线策略评测框架AMemGym，它能反映AI助手长期记忆能力、驱动Agent自我进化记忆。它以结构化状态演化为骨架支撑自由对话评测，还对主流记忆系统做了扫描，带来评估与训练范式转换。
同一天，百度、OpenAI双双发力高智能AI！先来实测一波原生全模态文心5.0
2025年，OpenAI凌晨更新GPT - 5系列，百度在世界大会发布文心5.0。它采用原生全模态统一建模技术，参数达2.4万亿，评测领先。实测表现佳，其技术在多方面突破，为大模型演进提供路径，助百度重回竞争中心。
辛顿警告AI将取代人类工作，杨立昆反对：应该先听这5个人怎么说
最近，“AI教父”辛顿警告AI将取代人类工作，指出AI与以往技术不同，会突破人类智力瓶颈。但杨立昆反对，建议听五位经济学家观点。这五位学者对AI与人类工作关系看法不一，却都认为这是经济问题。