「评测环境」共找到 1120 篇相关文章
智源RoboBrain 2.0+RoboOS 2.0双发：问鼎评测基准最强具身大脑，刷新跨本体多机协作技术范式
近日，智源研究院发布具身大脑 RoboBrain 2.0 32B 版与跨本体大小脑协同框架 RoboOS 2.0 单机版。前者突破能力瓶颈，在多项基准测试表现优异；后者性能提升，实现轻量化部署。二者双擎联动推动机器人迈向群体智能，且已全面开源。
ICRA 2026｜NUS邵林团队提出T(R,O) Grasp：刷新跨智能体灵巧抓取SOTA，实现5FPS动态环境交互
新加坡国立大学邵林团队提出T (R,O) Grasp，这是基于物体—机器手空间关系建模的图扩散架构，有跨智能体统一表征能力，在多种智能体上平均抓取成功率达94.83%，刷新跨智能体灵巧抓取SOTA。
大模型结构化推理优势难复制到垂直领域！最新法律AI评估标准来了，抱抱脸评测集趋势第一
多个机构研究人员联合发布全新多语言法律推理基准数据集LEXam，它含4886道题，每道长篇题有答案和推理路径。研究显示现有大模型应对法律推理难，LEXam引入评估新模式，还对不同模型做了测试。
“煽风点火”让大模型“卷”起来的提升性能的套路
网友Greg Isenberg分享让AI提升性能的方法，通过利用不同AI模型如ChatGPT、Claude、Grok间的“竞争”，人为制造竞争环境，激发其潜力，可提升输出效果，且方法获很多网友验证认可。
微软发布 Agent 安全框架 MAF
微软发布 Agent 安全框架 MAF，它是 AutoGen + Semantic Kernel 的统一继任者。有三层中间件，对 MCP 采样默认拒绝，还加了工具审批中间件，编排用图模型，为生产环境安全治理设计。
Anthropic 发文称自家 Claude 已经开智，网友：为了上市，不择手段？
Anthropic发布Claude内部机制新研究，介绍J-space和J-lens，称可读取模型未输出的内部概念。此研究在训练、评测和部署有潜在价值，但叙事引发争议，网友质疑是否过度包装。
教科书《性能之巅》作者入职OpenAI！迷弟总裁亲自欢迎
系统性能优化领域顶级专家Brendan Gregg加入OpenAI，将参与ChatGPT性能团队。他被尊为“性能之神”，著有《性能之巅》等，发明火焰图。他自述因OpenAI环境与AI需求加入，还为圆童年科幻梦。
刚刚，OpenAI买下Python最强基建，准备垄断开发者「生产资料」
本周四，OpenAI宣布收购为软件开发者构建开源工具的Astral，其团队将加入Codex团队。Astral有Ruff、uv等重要开源工具，收购引发开发者对Python开发环境的担忧，也意在狙击竞争对手。
JetBrains放弃Fleet：急刹变道打造全新Agentic IDE，与VS Code、Cursor争夺下一代AI编程王座
本周，JetBrains 宣布停止开发 IDE 产品 Fleet，将精力投入新开发环境 Air。Fleet 自 2021 年推出一直处预览阶段，难取代 IntelliJ IDEA。公司称维持两条产品线易致用户困惑、分散精力。
ECCV 2026 | 智能助手何时该主动开口？Vinci2让第一视角AI助手从「有问必答」走向「主动服务」
现有第一人称视频助手难以自主判断何时介入服务用户。大连理工大学等团队提出Vinci2，含评测基准EgoServe和智能体EgoMemo。它已被ECCV 2026接收，代码和标注均开源。