「评估问题」共找到 3764 篇相关文章
哔哩哔哩献给二次元世界的礼物—AniSora，目前最强大的开源动漫视频生成模型
动画视频生成评估挑战大，现有模型处理动画视频力不从心。哔哩哔哩推出AniSora综合系统，支持一键生成多种动漫风格视频镜头，在角色和动作表现上出色，在多维度超越当前先进模型。
在智算中心，部分国产芯片闲置率高达80%？
随着人工智能发展，智算中心成为科技竞争“新基建”。国内建设热潮出现波动，存在投资热度与阶段性“算力过剩”并存现象，还面临国产芯片闲置率高问题，提出需“精细化”管理提升算力利用率 。
GPT-5.6仅用一天改写数学史，「双菲」五人团队8年纪录被破！
GPT-5.6一天打破陶哲轩五人团队8年大素数空隙纪录，提出「倾斜剩余类」构造法，当天通过Lean语言机器验证。此前数学家张益唐、陶哲轩等在素数分布问题上各有探索。
Specula在67个开源系统中找到382个深层bug，数月形式化验证缩短到几小时
截至2026年8月19日，Specula已在67个开源系统找出382个bug。它让coding agent自动生成TLA + 模型和正确性不变量，运行检查并复现问题，将数月的形式化验证缩短到几小时，降低了形式化方法使用门槛。
独家专访临界点CEO乔天杰：机器人运动会7冠背后，灵巧手真正该比什么？｜甲子光年
8月22 - 26日，第二届世界人形机器人运动会举行，灵巧手首次单独参赛。临界点携OmniHand获7金4银3铜，CEO乔天杰接受专访，探讨灵巧手能力衡量、自由度、工程化及产业应用等问题。
Lady Gaga进军AI生物科技：用“活体皮肤”训练模型，筛选抗衰老成分
当地时间8月21日，美国歌手Lady Gaga公开参与创办的生物技术公司Outer Biosciences及核心平台Yuna，该司用机器学习等结合离体人体皮肤，从海量化合物中找新护肤成分，已融资约2300万美元。
Claude一天3崩！API、App、Cowork全挂，打工人集体抓瞎
8月24日Claude一天崩三次，Anthropic状态页三次变红又宣布恢复，但用户仍打不开。故障从中午持续到下午，波及多个产品。8月故障频发，还存在算力枯竭、模型变笨等问题。
基于阿里云 AgentLoop 的 DeepSeek Harness 评测实践
本文分享基于阿里云 AgentLoop 平台的 DeepSeek Harness 评测实践。介绍了 DeepSeek Harness 工程架构，阐述 AgentLoop 平台接入方式及价值，还详述评估器设计思路、展示评测结果，最后总结方法论并展望后续工作。
一篇Self-Evolving Coding Agents最新综述
当今编码智能体部署后大多静止，自进化编码智能体应运而生，可让Agent通过交互更新自身。文章介绍了其概念、分类，探讨组件进化机制、时机及评估方法，也提及带来的新挑战。
116页论文教你「蒸馏」Claude、GPT-5.6：AI社区今天炸了
一篇前沿大模型安全漏洞论文引发热议，指出各大模型 API 设计缺陷，可提取隐藏思维链。同一模型家族安全能力不对称，攻击者可利用此漏洞，还介绍了攻击路径、实验及修复建议。