「首秀翻车」共找到 1105 篇相关文章
告别评估乱象！首个视觉解释综合性基准发布，附人类真值 | KDD'25
埃默里大学团队推出首个视觉解释基准Saliency - Bench，构建8个任务的数据集，提供标准化评估流程与开源工具包，解决评估缺乏标准等问题，推动可解释AI向可靠、透明发展。
裸辞北大博士带17个Agent，49天造出全球首个AI开放世界！成本仅5000
北大文科博士刘耕带17个Agent，49天、5000元成本、30万行代码造出全球首个AI开放世界Elseland。其玩法、世界、创造都具开放性，刘耕逆风突围，开发效率大幅提升。
MiniMax深夜开源首个推理模型M1，这次是真的卷到DeepSeek了。
MiniMax深夜开源首个推理模型M1，其上下文能力媲美Gemini 2.5 Pro。M1在部分评测中表现中规中矩，但在MRCR（4 - needle）测试中屠榜。它得益于MiniMax - 01基座模型，应用Lightning Attention机制，开源了40K和80K两个版本。
Claude、GLM、GPT谁才是真正的AI软件工程师？首个持续更新Visual Spec-to-App Benchmark发布
近年来，Coding Agent 发展迅速，「AI 软件工程师」渐成现实。但目前缺少系统评测其从设计稿开发产品能力的公开 Benchmark。为此，多校研究团队推出 VISTA，可多维度评测 Coding Agent 开发能力，且持续更新。
Claude Opus 4.7，全网差评！刚升级就翻车，用户怒斥：还我4.6
Claude Opus 4.7刚发布就遭全网吐槽，价格贵50%，性能却严重倒退，出现幻觉、计算拉胯等问题。用户质疑Anthropic为省钱缩水模型，罪魁祸首可能是新引入的“自适应推理”功能。
没有头，没有脚，还能三折叠，周衔团队发布首款「非人形」机器人
机器人创业公司Genesis AI发布首款通用机器人Eno，它是轮式且配机械臂，无腿无头部，外壳颜色可定制。其由自研模型GENE驱动，预计2026年Q4发货，落地从工业到生活场景。
Sora 2数手指翻车，奥特曼成第一批「受害者」，被AI玩成最惨打工人
Sora 2虽强大，但数手指测试翻车，模拟场景也有瑕疵。奥特曼成其首批“受害者”，AI生成视频将他玩坏。同时，OpenAI研究员对Sora应用发布存担忧，而奥特曼解释资金投入原因。
首个面向科学任务、真实交互、自动评估的多模态智能体评测环境，ScienceBoard来了
ScienceBoard是首个面向科学任务、真实交互、自动评估的多模态智能体评测环境。它集成多领域科研软件，构建科研任务集合，评估智能体在科学任务上的表现，发现现有模型在科研工作流中远未成熟。
黄仁勋亲述：当年如何把“价值数十亿美金”的首台AI超算，亲手送给了OpenAI
英伟达CEO黄仁勋在法国巴黎演讲，讲述OpenAI获得首台AI超算的往事。2016年英伟达推出DGX - 1遇冷，OpenAI表现热情，黄仁勋亲自送机。这体现英伟达对开发者生态的重视和对未来趋势的信念。
蛰伏一年，周衔团队带来首个具身基础模型，烹饪做实验弹琴，效果炸场
Genesis AI公布首个机器人基础模型GENE - 26.5，能完成烹饪、解魔方等复杂任务。该模型是全栈系统，以仿真加速迭代，用自研手套采集数据，还重写控制栈。公司后续计划发布全身机器人。