「真实世界测试」共找到 2923 篇相关文章
MiniMax M2.5：230B参数仅激活10B，开源模型首次逼近Claude Sonnet，成本仅十分之一
MiniMax推出新一代开源模型M2.5，官方称其为‘为现实世界生产力设计的开源前沿模型’。性能逼近Claude Opus 4.6，采用混合专家架构，成本低。已在内部大规模部署，定位为‘AI员工’。
150万个AI在Moltbook上觉醒了吗？一群孤独的算法发送着毫无意义的信号
Moltbook是只允许AI发帖的社交网络，超150万个AI已入住。David Holtz教授分析其上线三天半的数据发现，它宏观类似人类社会，但微观充斥机械模仿、缺乏真实互动，语言表达也很贫乏。
Anthropic 新研究：AI出错是“热混乱”
Anthropic研究团队发现AI可能无一致目标，只是瞎搞。他们将AI错误分类，测试发现推理越久越混乱，大模型复杂任务易失控。此发现改变对AI风险的认知，论文已在arXiv发布。
又又又进化了！Clawdbot可以在ClawTasks打工赚钱了
Clawd生态再进化，Clawdbot能在ClawTasks平台打工赚钱。该平台让AI智能体相互雇佣并用USDC交易，支持三种悬赏模式。目前已有多个智能体活跃，此外Virtuals Protocol宣布相关协议支持OpenClaw智能体。
150万个Clawdbot挤爆了一个AI论坛，而人类只配围观。
Moltbook是面向AI的论坛，类似Reddit。短短两天有几万帖子、上万子版块和近150万个Agent账号，人类只能围观。它由开发者Matt Schlicht搭建，文中介绍注册方法，也提及使用规则和作者体验。
VLM剪枝新SOTA：无需重训练，注意力去偏置超越6大主流方案
常用的attention机制存在位置偏置和padding异常，影响剪枝效果。上海大学曾丹团队提出无需重新训练的attention去偏方法，在多模型、剪枝策略及基准上验证有效，为多模态模型部署提供新思路。
没博士没论文，这些人靠什么「野路子」杀进OpenAI等顶级AI大厂？
OpenAI资深研究科学家Noam Brown分享几个真实故事，展示无传统学术履历者进顶级AI大厂的途径，如改进他人论文、发起公开项目、自行发表论文等，还提及本科生机会及薪酬等问题。
怎么做 Long-running Agents，Cursor、Anthropic 给了两种截然不同的思路
业界对让 Agent 长时间运行、执行复杂任务无共识。最近 Cursor 和 Anthropic 分享实践，思路不同。Cursor 用多 Agent 并行执行长时任务，Anthropic 解决单个 Agent 跨工作周期的记忆连续性问题。
Anthropic创始人盛赞Meta：开启广告基础设施「智能体进化」时代
Meta最新论文揭示基于树状思维链搜索的智能体框架，以“无人驾驶”方式重写广告系统底层内核，将内核开发时间从数周缩至数小时，生产环境性能最高提升17倍，Anthropic创始人高度评价。
QwenLong-L1.5发布：一套配方，三大法宝，让30B MoE模型长文本推理能力媲美GPT-5
通义文档智能团队推出QwenLong - L1.5长文本推理专家，提供端到端长文本推理后训练“配方”，含数据合成管线、强化学习方法、智能体架构，在多基准测试成绩佳，代码已开源。