「智能测试平台」共找到 5719 篇相关文章
AI点外卖哪家强，美团LongCat团队做了个全面评测
美团LongCat团队发布贴近生活场景的大模型智能体评测基准VitaBench，以三大高频生活场景为载体，构建含66个工具的评测环境。评测显示现有智能体与应用需求差距大，该基准已全面开源。
理想的眼镜，和李想的眼界
今年11月，李想称要让理想成具身智能领域最佳企业。一周后，理想发布AI眼镜Livis。Livis解决了轻便、续航与性能的矛盾，还利用造车积累实现资产复用。理想推它是因AI眼镜潜力大，能输出跨场景AI能力。
钉钉不说话，默默把 AI 表格干到了 1000 万热行
钉钉 AI 表格单表容量突破 1000 万热行，成业内首个实现该能力的智能表格。它基于阿里 AI 技术重构底层架构，实现性能与智能融合，在业务场景应用效果好，推动 AI 办公进入‘原生时代’。
智谱AI、清华开源新视觉大模型：刷新41项纪录，同级别最强
智谱AI与清华联合开源GLM - 4.5V视觉大模型，它基于GLM - 4.5 - Air开发，架构独特。在42项主流测试中创41项新纪录，多领域表现超Qwen2.5 - VL等模型，还采用新训练策略。
下一代搜索：通过 MCP 实现 AI 与 OpenSearch 的融合
本文探讨 MCP 如何在 AI 代理和 OpenSearch 间建桥梁，创建智能搜索应用。介绍搜索从关键词到代理的演变，还通过电商、可观测性等场景演示代理搜索实践，显示 MCP 与 OpenSearch 结合能带来上下文感知的智能数据访问体验。
用「传心术」替代「对话」，清华大学联合无问芯穹、港中文等机构提出Cache-to-Cache模型通信新范式
随着大语言模型发展，多智能体系统中现有T2T交流方式有信息丢失、语义模糊、延迟大问题。清华等团队提出C2C信息传递方式，以KV - Cache为媒介，提升了正确率和速度，还介绍了实现路径、优势及应用前景。
一年三轮数亿融资！AI新材料研发企业鼎犀智创跑出加速度｜甲子光年
AI新材料研发公司鼎犀智创近日完成数亿元Pre - A轮融资，是一年内第三轮。其以「RhinoAI智能研发平台」为核心构建研发闭环，推动材料研发从「经验试错」到「智能设计」，还与产业龙头合作，成果显著。
大模型在具身推理上「翻车」了？4496 道题全面揭示短板
美国东北大学等提出BEAR基准评估MLLM具身智能子能力，用4496道题测试20个模型。发现多模态大模型具身能力不足，还分析错因，开发BEAR - Agent提升模型具身推理能力，在仿真测试中效果显著。
小扎AI眼镜当场死机，CTO自曝灾难级演示内幕：一个指令干趴自家服务器
小扎演示Meta智能眼镜Ray - Ban Display时翻车，AI助手回应异常、视频通话失败。CTO复盘，一是指令致多眼镜激活干趴服务器，二是时机糟的Bug。虽演示失败，但Meta仍豪掷千亿布局AI。
「一只手有几根手指」，你的GPT-5答对了吗？
CMU博士生Tairan He测试发现GPT - 5答错‘一只手有几根手指’问题，指出语言难满足视觉与机器人领域需求，需VLM和VLA模型。编辑部测试发现顶尖大模型面对常识问题也会‘翻车’，还探讨了应对方法。