搜索：自主智能测试

「自主智能测试」共找到 5107 篇相关文章

Fable第一，谁第二？Anthropic钦点8款模型名单曝光

Anthropic官宣Claude Fable 5全球上线，公布安全测试结果，8款模型包括中国的Kimi K2.7。北美公司也用行动认可中国模型，Kimi在多方面表现出色，其商业模式类似Anthropic，未来潜力大。

近日Codex被降智，网友监测其智商曲线下降。L站大佬发现大bug及解法，在全局agents.md加特定语句，可让它大幅恢复智商。测试显示，加语句后正确率提升，降智概率降低。

QCon北京2026启动，核心主线为「Agentic AI时代的软件工程重塑」。过去大家关注‘AI能做什么’，如今转向其在生产系统的稳定运行等，智能体成新方向，大会将从六维度探索。

分享Meta SuperLabs两篇Agent Learning论文，从‘如何低成本获得高质量经验’出发，形成技术链，为语言智能体进入‘规模化RL时代’提供路线图，还分析了Agent RL问题及两论文成果、对比。

2025年8月微软宣布模型上下文协议（MCP）在Visual Studio正式可用，为AI智能体与外部工具连接提供一致协议。开发人员可配置文件连接，管理员能管理使用。但存在限制和安全风险。

当地时间2025年开发者日，OpenAI推出系列开发者更新，向通用智能平台转型。会后，CEO Sam Altman接受专访，谈新工具影响、AGI突破，还表示羡慕20岁辍学生，称美难复制微信这类“全能App”。

谷歌DeepMind论文描绘由AI Agent自主交易和协作的经济体，提出“沙盒经济”框架，分析其起源与隔离程度，指出发展方向及挑战，还给出应用场景、市场机制、设计方案、基础设施层和行动建议。

Salesforce创始人放出全新Optimus视频，其金色外观、类人手部引关注，网友猜测Optimus 3要来了。马斯克称今年目标产5000台，2026年达5万台。同日，Figure公司的02能自主装碗入洗碗机。

昨天凌晨美团悄悄开源560B参数的MoE大模型LongCat-Flash-Chat，引发国外网友疑惑。该模型推理速度超100 tokens/秒，基准测试表现出色，多项设计解决实际问题，贴合美团业务需求。

昨晚，DeepSeek官方悄然上线全新V3.1版本，上下文长度拓展到128k，参数685B，支持多种精度格式。其编程能力突出，在Aider测试中霸榜，性能超越Claude Opus 4，还有成本低等优势。