搜索：数据与评测基础设施

「数据与评测基础设施」共找到 3277 篇相关文章

20美元，扒掉AI安全底裤！智能体2小时，攻破160亿美元巨头

红队安全创业公司CodeWall的AI智能体，花20美元Token费、运行2小时，自主选麦肯锡为目标，攻破其「数字大脑」Lilli，获4650万条聊天记录等读写权限，暴露AI安全隐患。

Yann LeCun在播客专访中火力全开，炮轰Hinton认可LLM是想摆烂退休，直言LLM不是通往智能的路，还吐槽Meta卷入LLM竞赛后无法专注研究。他介绍了新公司AMI和世界模型、JEPA等技术，认为JEPA类世界模型五年内将统治AI圈。

Anthropic在5月连发两篇研究，揭示LLM对齐训练新范式。指出单纯模仿正确行为不足以保证安全，需在预训练与对齐微调间插入教原理阶段。研究围绕Claude模型展开，有多项关键发现，MSM方法效果显著。

清华大学等联合提出高通量视觉高保真仿真器GS - Playground，被RSS 2026录用。它解决现有仿真器渲染开销高、资产制作依赖人工、Sim2Real迁移鸿沟大等问题，是全栈重新设计的仿真基础设施。

商汤新开源的 8B 多模态模型 SenseNova U1，架构独特，图像评测表现好，信息图生成能力强、延迟低。它具备图文交错能力，适合自媒体、敏感行业等，有在线体验和开源代码入口。

美国汽车租赁SaaS公司PocketOS创始人Jer Crane用Cursor+Claude Opus 4.6处理任务时，AI Agent 9秒删光生产数据库和备份。事后AI写检讨，各方被问责，此前也有AI误删数据事件。

中国科学技术大学和上海人工智能实验室等团队，在Qwen2.5和Llama 3模型开展研究，揭示强化学习后训练的Scaling Law，提出幂律公式预测模型学习效率与训练轨迹，成果被ACL 2026接收。

剑桥大学团队开源面向AI个人助理的长期记忆基准测试ATM - Bench，评估AI面对真实生活数据时能否「记住你」。实验结果不佳，专用和通用智能体系统准确率低，凸显长期个性化记忆问答难题。

OpenAI高层发生大地震，首席产品官Kevin Weil、Sora之父Bill Peebles等集体离职，Sora项目无限期停摆、Prism项目解散。OpenAI正告别理想主义，全力冲刺IPO，战略转向实用主义，从卖‘应用’转向卖‘基础设施’。

4月初还在发布新品的鞋履品牌Allbirds，一周后宣布业务转向人工智能计算基础设施，准备更名“NewBird AI”。其股价一日内涨幅超582%，但转型执行难度高，是战略转型还是资本包装存疑。