「真实世界测试」共找到 2937 篇相关文章
大模型的新战场在推理？——《推理模型综合测评报告 2025》深度解析 | 直播预告
5月29日，InfoQ研究中心发布《推理模型综合测评报告2025》，通过五大维度、五大题型的300道测试题对八家主流推理模型全面测评，还总结各维度表现，梳理技术前置因素与趋势。6月6日有直播解读。
Anthropic将在两周内推出新思考模型！
据The Information报道，Anthropic将在未来几周推出Claude Sonnet和Claude Opus两款新模型，能在「思考」和「工具使用」间切换，还可自动测试纠正代码。虽此前产品有不足，但新模型处理复杂任务更出色。
AGI失控率＞90%！MIT教授算出「康普顿常数」，AI地球「夺权率」已锁定？
MIT教授研究指出，即使采用理想监督机制，人类成功控制超级智能概率仅52%，全面失控风险超90%。研究通过量化分析提出嵌套可扩展监督等理念，并在四个真实监管场景验证，探讨如何优化现实监管系统。
十四年的「管家」局，科沃斯这回把应用定义权交了出来
2026年世界机器人大会上，科沃斯董事长钱东奇提出「未来应用，由用户定义」。回顾过去，从2012年推「亲宝」到2026年发布「八界」，其发展有迹可循。当前，科沃斯推出创新方案和开源生态欲破具身智能难题。
谢尔盖・布林再次进入「创始人模式」？Google押注「AI自我进化」
据路透社报道，Google联合创始人谢尔盖・布林深度介入AI研发，推动递归式自我改进（RSI）方向。此前Google新一代Gemini旗舰模型发布推迟，内部测试显示在关键领域落后对手，此次调整或为提升研发效率。
Auto-Research「终极大考」：新基准撕下大模型科研伪装
来自多所高校的研究者提出MLS - Bench，用于解决现有Auto - Research评测的归因问题。它含140个真实研究任务，校准受控修改范围，主实验显示当前模型在方法发现上有明显缺口，Auto - Research需更严格评测标准。
他想让TPU成为AI界的X86！
2026世界人工智能大会期间，中昊芯英主办分论坛，新一代全自研TPU架构AI芯片“须臾®”亮相，华东地区首个国产TPU智算千卡集群落成。“须臾®”算力强、成本低，集群全链路国产化，中昊芯英探索TPU突围路径。
单次训练横扫9个基准，遥感检测最大数据集与基础模型框架问世
北京航空航天大学团队发布面向通用遥感目标检测的大规模数据集与基础模型框架 LEVIRDet，构建了 LEVIRDet - 159 数据集，提出 LEVIRDetNet 模型。前者为训练泛化能力强的模型提供新数据基础，后者在多基准测试中表现出色。
机器人看视频学操作！伯克利首次打通互联网视频到灵巧手真机部署链路
UC Berkeley团队提出端到端流程，跑通从网络视频生成真实灵巧手实机执行轨迹链路。解决了单目RGB视频手-物交互重建、带噪声参考轨迹动作重定向及遥操作规模化难题。还给出数据筛选要点。
比 Playwright 更给力，这个新开源的项目6啊~
GitHub上的BrowserAct项目是面向AI Agent的浏览器自动化CLI，是为AI Agent设计的真实浏览器执行层。它有三层反检测突破体系、三种浏览器模式等功能，能解决Agent操作浏览器的诸多问题，适合多场景。