「自主智能测试」共找到 5084 篇相关文章
LeCun离职后不止创一份业！押注与大模型不同的路线，加入硅谷初创董事会
离开Meta后，Yann LeCun创立AMI，还加入Logical Intelligence任技术研究委员会主席。该公司推能量 - 推理模型，与主流大模型路线不同，其Kona模型在数独测试上表现远超大模型。
TileLang深入详解-第一章-GPU 体系结构复习
作者借长假学习 TileLang 并撰写此文，先复习 GPU 体系结构，包括计算与线程组织、存储层次、专用指令单元，接着介绍核心性能模型与优化原理，最后给出基于 TileLang 的基准测试实践。
刚刚，Ilya一个神秘动作！OpenAI全员狂欢：AGI来了
Ilya更换X头像和背景封面引发全网猜想，有人猜测SSI内部已实现「超级智能」。另一边，OpenAI研究员集体高呼感受AGI，有人认为取得突破，也有人觉得是跟风刷存在感。
两年内打造AI软件工程师！OpenAI Codex 作者解密人机结对编程新模式
AI科技大本营编译访谈，OpenAI的Josh Ma与Alexander Embiricos分享Codex项目，包括缘起、人与AI结对编程范式，还探讨产品形态、最佳实践等，预测两年内打造智能体软件工程师。
OpenAI官方发布【Codex 上手指南】
OpenAI 昨晚推出 Codex 研究预览版，这是强大的远程编码智能体，能导航代码库、解答疑问等。官方还发布使用指南视频，介绍了快速上手步骤、工作方式，以及提升效能的方法。
AI 编程正在终结框架时代
作者认为自动化编程让人们摆脱繁重体力劳动，可专注重要创作。框架解决简化、自动化和劳动力成本问题，但带来诸多弊端。真正的软件工程已回归，应摆脱无用复杂性，自主构建产品。
刚刚，喝到了千问APP给我点的奶茶
2026 年初，智能体发展迅猛。Anthropic 发布 Cowork，谷歌联合推出 UCP 标准。1 月 15 日千问 App 上线「任务助理」，打通阿里生态，有 400 多项新功能，实测显示其在多场景表现出色。
「重要性采样」并不「重要」？快手清华ASPO攻克重要性采样权重错配
快手与清华合作团队发现大语言模型结果监督强化学习中，重要性采样机制“失灵”，存在权重错配现象。为此提出算法ASPO，在多基准测试中展现优势，训练更稳定。
RL缩放王炸！DeepSWE开源AI Agent登顶榜首，训练方法、权重大公开
今天凌晨，Together.ai联合Agentica开源AI Agent框架DeepSWE，基于Qwen3 - 32B模型用强化学习训练。所有内容开源，测试中性能超所有开源Agent框架，证明强化学习训练潜力。
DeepSeek Harness和V4 Pro正式版同时重磅上线，一手实测：DSH更像是AI操作系统
DeepSeek V4 Pro正式版0813上线，升级Agent能力，网页、API、app皆可用。DeepSeek Harness亮相并开源，基于“一切皆插件”理念。V4 Pro跑分部分能力突出但价格将涨，其实际表现待更多测试。