「AI模型测试」共找到 13765 篇相关文章
双榜SOTA！微软ACL2026新作重新定义AI长记忆
大语言模型落地中，AI长期记忆能力成瓶颈，传统RAG方案有局限。微软研究团队提出AI记忆框架Mnemis，受认识论与认知科学启发，在两大权威长期记忆基准达SOTA性能，工作被ACL2026主会议接收。
吴恩达来信：开放模型，开放执行框架，开放安全
吴恩达团队用闭源模型做安全审查遇阻，后改用 OpenWorker 框架结合开源权重模型 Kimi K3 和 GLM 5.2 取得进展。他认为开放模型和执行框架能带来更安全系统，开源权重模型舆论战虽胜，但立法层面未胜。
《动手写AI Agent》多模型适配：一套代码跑通三家 LLM
上一章用火山引擎豆包 API 写了能跑的 Agent，但换模型重写代码会混乱。本章用 Adapter 模式解决问题，介绍火山引擎、Claude、OpenAI 三家 API 关键差异，还分析了 Claude 工具调用格式特殊之处。
让大模型异步地增强推理能力
在大模型推理时代，Test - Time Scaling成提升能力重要方向，但面临效率问题。ATTS提出异步框架，加入共形预测筛选候选路径，实验显示其加速显著，将测试时扩展推进到‘有原则加速’阶段。
奥特曼豪赌万亿算力，OpenAI估值万亿美元 | 新智元ASI产业图谱10月号
新智元更新ASI产业图谱十月号，聚焦前沿模型、开源模型及世界模型与具身智能。介绍了模型排名情况，指出OpenAI现‘算力饥渴’，还提及国产模型、应用突破，强调算力将成AI竞争关键。
AI编码新神登基，藏师傅一手Claude 4实测
Claude 4低调发布，Anthropic称Claude Opus 4是全球最佳编码模型。发布内容含扩展思维、新模型能力等，还公布定价。Claude Opus 4编码和记忆能力强，实测表现出色，Claude Sonnet 4也有提升且免费。
AI产品先发优势在于用户迁移成本高，持续为用户提供价值是保持竞争优势的关键 | 对话AI智能电子衣橱工具搭搭
文章围绕AI智能电子衣橱工具搭搭展开，介绍其功能、开发逻辑与发展规划。搭搭通过AI算法筛选美图定义美，提供穿搭灵感，注重用户需求。团队投入研发，获客成本低，未来聚焦工具，解决穿搭问题，与用户共建产品。
Hinton暴论：AI已经有意识，它自己不知道而已
在最新播客中，Hinton提出AI或许已有“意识雏形”，只是未觉醒。他从AI、机器学习、神经网络、深度学习讲起，阐述原理，还谈到AI风险，如滥用和生存风险，也提及中美AI竞赛现状。
苹果炮轰AI推理遭打脸，GitHub大佬神怒怼！复杂任务≠推理能力
苹果发表论文指出推理大模型存在重大缺陷，相关解读在社交平台广泛传播。但GitHub高级工程师Sean Goedecke对论文持保留态度，认为谜题不是评估推理能力的好试验场，模型放弃不代表无推理能力。
0day漏洞量产？AI Agent“生产线”曝光
本文探讨AI Agent如何通过多智能体协作系统打造0day漏洞“生产线”，实现自动化漏洞检测。经测试和实战验证，Agent在复杂代码和大型项目中表现超传统工具，提升了漏洞识别效率与准确性。