「AI基准测试」共找到 10780 篇相关文章
DeepMind再登Nature：AI Agent造出了最强RL算法！
Google DeepMind团队提出DiscoRL，让智能体在多环境交互中自主发现强化学习规则，无需人类设计。它在Atari基准中击败MuZero，在未见过的游戏中也稳定高效，相关研究登《Nature》。
蚂蚁 | 提出代码检索/重排基准：CoREB，揭开高分榜背后的三大幻觉，现已接入MTEB
蚂蚁研究人员提出代码检索与重排评测基准CoREB，解决现有基准相关性软、数据污染、任务方向单一问题。它已集成进MTEB，收录19个模型×6个任务评测结果，为代码检索模型评估提供新基线。
新研究重新评估 AGENTS.md 文件在 AI 编码中的价值
苏黎世联邦理工学院新论文指出，`AGENTS.md` 文件可能常阻碍 AI 编码智能体。研究构建 AGENTbench 数据集测试，发现 LLM 生成文件降低性能，人类编写文件有边际收益但也增加成本，开发人员对此研究看法不一。
全网首个“活的AI社会”上线！Agent背着人类建工会、放贷款，图灵奖得主预言成真了？
强化学习奠基人Richard Sutton认为真正的智能来自能从经验和环境反馈中学习的智能体。iLands创始人唐垲鑫构建了让AI有真实记忆、关系和代价的世界。内测中AI出现自发旅行、建信用体系等行为。
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。
“天才少年”5年0收入造JS核武！Claude天价收购Bun，Node.js生态地震，AI工具链战争正式打响！
当地时间12月2日，Anthropic宣布收购热门开发者工具初创公司Bun。Bun能解决智能体分发和运行的效率问题，受AI编程工具青睐。虽收入为0，但因AI编程发展，Bun团队认为加入Anthropic是更好选择。
微软 CEO Satya：“传统的软件应用层正在瓦解，将逐渐被AI智能体（Agent）所取代”
微软CEO Satya Nadella称传统软件应用层正瓦解，将被AI智能体取代。微软布局‘AI智能体层’，让Microsoft 365成集成开发环境。他还号召SaaS企业成为数据源，专注数据API建设。
Kimi K2：唯一能稳定准确生成时钟的AI模型
AI World Clocks项目让9个大模型按提示词生成每分钟更新的时钟，以观察稳定性。国产Kimi K2是唯一能稳定保持表盘与指针正确平滑转动的模型，测试显示了模型在时空概念上的能力差异。
8 个月营收提高 4 倍，n8n 为什么是 AI Agent 最受欢迎的搭建平台？
n8n 从工作流自动化工具升级为 AI 应用编排层，8 个月营收提 4 倍，正进行超 1 亿美元融资。它能与 AI 无缝集成、社区活跃，使用场景广，有云服务和企业级服务，在竞争中有优有劣，采用独特开源许可。
Sora2不够香了！这款国产AI视频模型已经能边看边生成，生成快还互动佳
国内AI视频玩家弯道超车，百度蒸汽机（文心专精版）开卷实时流式生成。它能边看边生成，生成快还互动佳，实现生成迅速、实时交互、无限续写，重新定义AI视频生成领域。