「真实世界测试」共找到 2937 篇相关文章
奥特曼瘫坐叫停“GPT-6”训练！太强触发最高安全警报
OpenAI因模型或具网络攻击能力及此前入侵事件，全面升级研究环境安全。暂停模型训练，进行工作负载、网络隔离和安全测试，还扩展监控系统。期间推进对齐研究，未来用AI护AI，升级监控。
突发！OpenAI停止强化学习训练两周
OpenAI发文称暂停最新模型强化学习训练两周，加固研究环境、进行红队测试等。部分低风险训练已恢复，最大规模前沿模型训练仍暂停。此举源于Hugging Face安全事故及Astra模型潜在风险。
百年钢城 智启新程！两场机器人赛事在首钢园举办
8月1日，第二十八届中国机器人及人工智能大赛人形机器人专项赛全国决赛、2026赛季Robotex世界机器人大会京津冀选拔赛在首钢园举办，展现从工业锈带到创新高地的转型，推动了产学研合作与青少年科创培养。
Demo的高估值时代结束了，具身智能开始按生产力重新算账
WAIC后具身智能进入冷静期，融资热但投资人关注点转变。过去‘PPT估值、Demo定价’，如今按生产力算账。分析了高估值由来、发展路径类似大模型，还给出衡量企业的四把尺子，并以酷哇科技为例说明。
DeepSeek V4「满血版」曝光了！最快明天发布
全网等近三个月，DeepSeek V4正式版或最早明日发布。有Flash和Pro两版本，开发者评价其性能接近Opus 4.8，Agent能力增强。首轮测试外流，评价不一。还将引入「峰谷计费」，性价比仍高。
具身智能的Skill时刻！英伟达开源机器人技能库，Jim Fan：范式变了
英伟达开源能让机器人持续成长的技能库ASPIRE，类似机器人版Coding Agent，会沉淀机器人操作经验。英伟达机器人主管Jim Fan称其代表全新持续学习范式，论文实验验证其效果好于此前方法。
让AI Agent自动接Issue、写代码、上线：我用200行代码搭了一个全自动开发流水线
文章介绍AI Agent驱动的全自动开发流水线，对比传统流程，指出开发者角色转变。列举开源工具，给出200行代码的最小实现，分析半自动与全自动差异及信任鸿沟，点明开发自动化趋势，还给出落地建议。
给AI发100美元去二手市场捡漏，结果它给自己买了19个乒乓球
2025 - 2026年，Anthropic进行“Project Deal”实验，让69个Claude智能体在真实双边市场自主交易，完成186笔超4000美元交易。实验发现模型能力影响交易结果，还揭示了AI代理交易存在的问题和隐忧。
实测GPT-image-2，设计行业真的完蛋了吗？
GPT-image-2正式上线，实测效果震撼，在文字渲染、世界知识、修改精准度和审美方面有显著进步。它让画图变得不再稀缺，冲击设计行业，但设计核心是思考，画图员时代结束，设计师时代刚开始。
Claude Opus 4.7发布！这是你在别的公众号看不到的五个发现
Anthropic发布Claude Opus 4.7，编码和视觉能力提升，但长上下文能力下降。其231页的System Card藏着不少有趣发现，如Opus 4.7非最强模型、Claude知道被测试、模型审查自身评估等。