「测试评估集」共找到 2682 篇相关文章
ICLR 2026 | LongHorizonUI：让 GUI 智能体不再"半途而废"——面向长链路任务的统一鲁棒自动化框架
近年来，基于多模态大语言模型的GUI智能体在自动化操作上虽有进展，但任务步数超10 - 15步时成功率断崖下跌。研究人员提出LongHorizonUI框架，构建LongGUIBench评测基准，推动GUI自动化在复杂场景落地。
能导出 PSD 的 AI 设计工具，出现了
国内 Seede AI 团队发布海外新产品，无需写咒语，填文案信息就能让 AI 搞定排版等。它生成可编辑源文件，适合有内容但不会设计的人，还支持多格式导出，不过不擅长创意生图。
网易游戏 Tmax 平台实践：基于 Fluid 的云原生 AI 大模型推理加速架构
网易游戏打造 Tmax AI 机器学习平台，但大模型推理业务规模爆发带来资源弹性等挑战。经评估，选用 Fluid + AlluxioRuntime 构建三层架构，有自动预热等配置，带来性能、成本等多方面收益。
OpenAI史上最快模型降临，每秒1000Token！代码从此「炸出来」
OpenAI发布GPT-5.3-Codex-Spark，它是专为实时编程设计的超高速模型，生成速度超每秒1000个token，联手Cerebras硬件，重写底座提升性能，在多项测试表现强，ChatGPT Pro用户可尝鲜。
Vibe Coding“血洗”开源，社区吵翻了：封杀菜鸡 AI 开发者？不如给维护者打钱！
多位研究人员在预印本论文中指出，氛围编码或摧毁开源生态，使官网访问量下滑、社区论坛使用量骤减。研究称要维持开源规模需改革维护者报酬方式，同时分析了其对开发效率、开源软件可持续性的影响，社区对此看法不一。
大模型Agent的核心还是prompt？ 目前有什么挑战？
文章指出大模型Agent核心并非Prompt，而是工程化架构设计、工作流编排与数据闭环。介绍Flow Engineering等概念及工具，分析规划、记忆、工具使用要点，还谈及开发面临的延迟、稳定等挑战，并给出应对建议。
破防了！全球顶尖AI惨败，人类最后防线竟是「重启试试」？
GSMA联合权威组织发起全球电信AI故障排查挑战赛，吸引超1000支队伍。赛事依托权威评估框架，设丰厚奖励，分多个赛道，还将开展智能体任务，预示电信运营模式重构。
使用 Hugging Face 轻松构建并共享 ROCm 内核
自定义内核是高性能深度学习基础，但构建整合麻烦。Hugging Face的kernel - builder和kernels库可助轻松构建、分享自定义内核。本文聚焦构建ROCm兼容内核，展示构建、测试与分享步骤。
SGLang-Diffusion: 两个月进展
自2025年11月初发布，SGLang - Diffusion获广泛关注。过去两月持续优化，速度提升1.5倍。介绍新模型支持、LoRA支持等进展，还展示性能测试结果，阐述关键改进及未来规划。
AI for Science开年新突破：中科大实现多尺度结构逆向设计128倍加速，登上Nature子刊
中国科学技术大学联合多所院校，在多功能双连通多尺度结构逆向设计领域取得突破，成果发表于Nature Communications。研究解决核心瓶颈，提供新范式，在多方面展现优势与潜力。