「人工智能评估」共找到 1182 篇相关文章
把AI变成你的科研搭子，公益培训启动报名！
面对科研难题，AI科研加速营招募启动。由上海人工智能实验室等主办，公益开放。以真实科研任务为主线，用“书生·端砚”实践，课程覆盖多领域，学员可获多种权益。
让模型“看视频写网页”，GPT-5仅得36.35分！上海AI Lab联合发布首个video2code基准
上海人工智能实验室等机构提出IWR - Bench评测基准，从“image - to - code”迈向“video - to - code”，对28个主流模型测试，最佳模型GPT - 5仅36.35分，指出当前模型短板，为研究指明方向。
92% 工程师都在用 AI 后，Uber 开始给 AI “限额”了
Uber的‘零增长技术栈’解耦容量与业务需求，优化Go运行时性能。还将生成式AI集成开发，92%工程师在用，但成本压力大。为此，Uber限额每位开发者，审查代码效果，完善评估指标。
80%代码由Claude合并，Anthropic内部人员点破Agent真相：「Close the Loop」
Anthropic团队研究产品经理Theo演讲指出，Claude已深入其工程流程，超80%代码由它合并。模型角色转变，能力提升，失败率下降。开发者应升级研发战术，如刷新评估基准、精简“脚手架”、闭环设计。
Sam Altman：超级智能近在眼前！OpenAI官方13页蓝图引爆海外社区
OpenAI CEO Sam Altman 在 Axios 采访中称超级人工智能到来比预期快，社会需新契约管理。OpenAI 提出‘智能时代的产业政策’，含设公共财富基金、征机器人税等提案，还谈到下一代大模型。
翁荔最新博客：我们可能高估了模型，却严重低估了那层“脚手架”
前OpenAI安全研究副总裁翁荔在新博客聚焦AI领域Harness Engineering。她认为Harness是决定模型在现实任务中走多稳、多远的‘脚手架’，并梳理其演进路线，也指出研究面临评估、安全等瓶颈。
Shopify 经验贴：如何搞出一个生产级别可用的 AI Agent 系统？
Shopify 以 AI 助手 Sidekick 为例，分享从简单工具调用系统演变为复杂 AI Agent 平台的经验，包括架构设计、评估方法和训练技术等方面，还给出构建生产级别可用的 AI Agent 系统的四条核心建议。
AI服务器引爆PCB，带动MLCC需求激增
随着人工智能应用深入，全球算力需求爆发，AI服务器市场增长强劲。2024年出货量突破150万台，预计2025年近190万台。这带动PCB量价齐升，也让MLCC需求激增，微容科技技术突破推适配产品。
微调已死！「共识机制」实现提示词自我进化，性能飙升
人工智能领域正从「模型微调」向「上下文工程」转变。西湖大学MAPLE实验室齐国君教授团队提出基于「共识机制」的提示词组进化算法C - Evolve，能突破单一提示词性能局限，提升系统整体性能。
Meta与Midjourney合作，集成在新模型中
Theverge消息，Meta首席人工智能官宣布将Midjourney技术整合到未来AI模型和产品。合作对Meta意义大，可对标领先模型。Meta早有布局，Midjourney发展快且营收可观，采用订阅制。