「测评提升」共找到 3052 篇相关文章
机器学习先驱Daphne Koller警告：AI制药不是魔法棒，下一代药物发现还缺1000倍数据
知名学者 Daphne Koller 在 a16z News 发文指出，AI 制药当前最受关注的进展多在分子设计，但新药研发难题在上游，疾病机制的靶点选择错误导致大量临床试验失败，且当前数据距构建完整生物学因果模型差约 1000 倍。
突发！Claude挑战黎曼猜想「失败」，却意外刷新37年数学纪录
AI向黎曼猜想发起挑战，Anthropic的Claude研究版本虽未攻克该猜想，但将黎曼ζ函数中已知至少位于临界线上的零点比例下界，由41.6%提高到了67.2%，这可能是解析数论领域重大进展。
中国第一，直逼OpenAI！神秘「扫地僧」冲到全球前七
神秘中国AI「扫地僧」MopMonk以73.1%胜率杀入CyberGym全球前七，紧咬OpenAI。它用MiniMax M3为基座，靠结构化记忆、多Agent并行等策略提升漏洞挖掘执行力，示范开源基座极致利用之路。
混元开源PhoneBuddy-4B与5篇系列论文：多项手机Agent真机评测超过GPT-5.4
腾讯混元Phone - use Agent团队发布PhoneBuddy - 4B及5篇系列论文。研究探讨如何训练真实可用的Phone - use Agent，采用Real + Mock方式，实验显示该方法提升效果显著，4B模型多项任务超GPT - 5.4。
Anthropic智能体大会：Agent也会精神分裂，我们发现了多Agent协作的本质解法。
Anthropic开发者大会聚焦Agent，分享多智能体实战经验。Omni的Blobby出现‘精神分裂’问题，根源是内外层Agent能力认知断裂，修复方案是将工具上提。Anthropic团队则通过协商签订协议解决角色定义不一致问题。
Agent 的第一性问题：Proactive 与 Context 经济学
过去一年AI Agent能力提升，但用户体感未同步变好，原因在于人类注意力窗口有限。赛道分化，主动式桌面Agent是新方向，AirJelly是代表产品，五源资本对其创始人黄柏特进行访谈，探讨产品设计、应用场景等问题。
实测腾讯云 AndonQ：号称比肩原厂技术专家的 “领域虾”，到底有多能打？
文章实测腾讯云 AndonQ，它号称全球首款 ITSM“领域虾”，可适配主流“虾”类工具，集成至 IM Bot。测评显示其成本低、上手轻量，在架构选型、故障排查等场景表现出色，将 ITSM 体系浓缩到对话框。
AutoResearch实战：让AI自己训YOLO，mAP从0.729到0.773
本文作者复盘用AutoResearch训练YOLOv8模型全过程。先介绍其要素框架，选YOLOv8 + NEU - DET做实验，经V1轻量验证后升级到V2完整闭环，64轮实验后mAP从0.729提至0.773，还总结工程结论并给出迁移场景建议。
生成率从8%到60%：快手智能测试用例生成系统的四阶进化
快手研发效能团队构建智能用例生成系统，实现从手动编写到审核校验的模式转变。该系统历经四阶架构演进，将用例生成率从 8% 提升至 60% 以上，成为公司测试人员日常使用的标准化生产力工具。
对话朱广翔 - 人人都能coding了，软件会消失吗？
本文是对百度秒哒产品总经理朱广翔的访谈。朱广翔认为写代码或成古法，建议别学。秒哒用户有人已赚1000万。他还提出人与AI保持15度夹角，垂直AI产品有生命力，未来APP和Skill将共存。