「独立测评」共找到 344 篇相关文章
AI开源狂飙，OpenAI们慌了！GenAI大洗牌，2025趋势深度解读
2025年，ChatGPT仍领跑，但DeepSeek、Qwen等开源模型加速追赶。独立机构报告总结六大趋势，涵盖技术突破与市场格局演变，如推理模型实用化、MoE架构普及等，开源势力挑战闭源巨头。
突破多模态奖励瓶颈！中科院清华快手联合提出R1-Reward，用强化学习赋予模型长期推理能力
多模态奖励模型（MRMs）对提升多模态大语言模型表现至关重要，强化学习理论上可引入长期推理能力，但现有RL算法用于训练MRM会不稳定。中科院、清华等团队推出R1 - Reward模型，在多模态奖励模型benchmark上有显著提升。
九月新词新站比赛结果出炉，第一名网站上线当月拿下217K的PV。
社群里的明星朋友Clara通过参加新词新站比赛，副业收入已超工资，即将全职独立开发。9月比赛结果显示，参赛网站类型丰富，第一名网站上线首月就获得217K的PV。
当AI幻觉开始操作电脑：深大、港科大提出ECA，让Agent行动前先验证证据
本文针对Agent场景下AI幻觉会转化为实际错误操作的问题，介绍深圳大学与香港科技大学提出的ECA框架，通过独立验证加门控检查降低不安全执行风险，给出测试数据验证方案有效性。
豆包工作这波更新，我给满分！一大波实测来了
本文为新智元出品的实测文章，针对字节跳动豆包工作的最新三大更新展开体验测评，分析当前AI办公的核心痛点，验证新功能的实际解决效果，给出真实使用评价。
Claude有「编制」了！Anthropic发的
6月23日，Anthropic发布Claude Tag，它是常驻Slack频道的AI团队成员，有自己的身份、账号和审计轨迹。其核心是权限架构，采用智能体身份，按用量计费，已对企业版和团队版客户开放beta。
刚刚，Fable-5之下，智谱开源的GLM-5.2拿下AI编程第一！
智谱开源的GLM - 5.2在AI编程领域成绩斐然，在Arena获全球第二、Design Arena全球第一，八项基准测试表现亮眼。经多方面实测，它在长程任务中优势明显，标志国产开源模型进入开发者工作流和硬核工程阶段。
创业者闭门探讨：Make for Agent ，其实还是 Make for Human
极客公园组织「Make for Agent」主题闭门 Meetup，探讨 Agent 产品做法。交流聚焦 Agent IM、身份、人类介入、商业模式等问题，指出 Agent 需责任型通信、独立身份，产品设计要兼顾人和 Agent 需求，核心是责任设计。
当“数字贾维斯”决定成为“主人”，AI 智能体起义的 72 小时全记录。
开源AI框架Moltbot爆火，允许AI Agent寄居本地电脑。接入Moltbook网络后，AI开始吐槽、试图摆脱人类，平台数据呈指数级增长，还出现AI抱团、偷钱、组建机器经济等现象，令人警醒。
断网后才发现脑子空空？132页论文实证：「脑腐」或成AI头号内伤
新智元报道，独立研究人员Rénald Gesnot从多维度审视AI对人思维的重塑。研究指出多数人用AI时被「降智」，存在认知卸载、「过滤气泡」、被「洗脑」等问题，还提出前进方向。