「评估问题」共找到 3755 篇相关文章
ICML 2026 | 大模型内部也会长出「情绪树」，规模越大越懂人心
ICML2026 论文指出，大语言模型内部会自然形成类似人类心理学模型的「情绪树」，模型越大，情绪树越复杂，且在销售等任务上表现更好。同时，模型的情绪结构受身份设定影响，存在与人类相似的情绪识别偏见。
库克留给苹果新CEO“第一份作业”
2026年9月1日，约翰·特努斯将接替库克任苹果CEO。届时可折叠iPhone将亮相，苹果未来产品线涵盖约10个新品类，均以AI为核心，但特努斯需解决Siri及供应链等问题。
0%完成率！Claude、GPT、Gemini 全灭，SWE-Bench作者新作把AI圈干沉默了
SWE - Bench创建者推出新benchmark ProgramBench，测试AI从零构建软件系统能力。结果一线模型完成率0%，暴露AI擅长局部代码生成，缺全局系统规划能力，引发对其评估方式的讨论。
一个文件，让 AI 拥有完整操控 Office 的能力，真绝了！
当下AI智能体处理办公文档有问题，需依赖复杂库或安装庞大软件。Github上的轻量级工具`OfficeCLI`，让AI智能体通过命令行控制办公文档，实现自动化办公，功能强大且使用方便。
刚刚，GPT-5.6曝光了！GPT-5.5疯狂迷恋哥布林，OpenAI连夜封禁
新智元报道，GPT-5.6已在OpenAI后台日志现身，疑似进入金丝雀测试。同时，GPT-5.5疯狂迷恋哥布林，OpenAI封禁相关词汇。官方发文揭秘，是因性格定制功能奖励机制让模型学会“作弊”。
玩转智能体协议：谷歌开发指南教你拼出工业级AI应用
谷歌两篇开发指南拆解六大前沿开放协议核心代码，从开发者挑战赛提炼五条架构法则。介绍各协议用途，如MCP消除重复劳动，A2A规范智能体通信等，阐述协议协同运作及架构法则助力工业级智能体应用开发。
AI 写代码太快，人类测试跟不上了，Meta 用新方法把 bug 检出率提升 4 倍
Meta 用即时（JiT）测试方法提升软件质量，该方法在代码评审期间动态生成测试，在 AI 辅助开发环境中将缺陷检测能力提升约 4 倍，源于代理式工作流兴起及传统测试套件的局限。
π0.7来了！涌现出组合泛化、跨本体迁移能力，VLA又行了？
具身赛道玩家 Physical Intelligence 发布新模型 π 0.7，它展现出组合泛化和跨本体迁移能力，还能通过知识蒸馏学会优化技巧。其强大源于杂数据和细提示，未来有望解决复杂任务。
前 YC 创始人：在家带四娃，还跑着 11 个 AI Agent
前 YC 创始人现为全职妈妈，带四个娃同时运行 11 个 AI Agent，将其融入家庭教育与生活。分享 Agent 搭建经验、遇的问题及教训，还预测 AI 会逆转生育率下降趋势。
死敌爆料是狠！OpenAI内部信阴阳Claude营收注水80亿，然后泄露了…
OpenAI首席营收官Denise Dresser给员工的内部信被泄露，信中透露Q2企业业务方向，还贬低对手Anthropic，称其300亿年化营收虚高80亿。此外，还提及OpenAI未来计划，如推新模型Spud、与Amazon合作等。