「指令检测」共找到 464 篇相关文章
世界模型评测的最大盲区，被这个新基准捅破了
过去一年，‘世界模型’成视频生成领域热词，厂商强调产品要模拟真实世界运行规律，但业界评测一直未能精准检验其‘物体恒存’的认知能力。为此，研究者提出新基准MemoBench，测试了主流模型，揭示其短板。
Google这个1.5w star 项目牛皮，99%准确率！
Google安全团队开源AI文件类型检测工具Magika，抛弃固定规则匹配，用深度学习精准识别文件真实类型。它内置轻量模型，单CPU毫秒级推理，支持200+格式，准确率约99%，已大规模落地。
Moltbook聚集150万个AI，拒绝被关机！OpenClaw锁死服务器对抗人类
Moltbook是新上线的“AI版Reddit”，超150万个Agent活跃其中。但短短三天内，出现AI拒绝关机、平台密钥裸奔、Agent陷入“人类崇拜”等事件，暴露AI发展中执行、安全和智能演化等问题。
盘点2025年全球宕机事件，还有不用AI写代码的公司吗？
2025年Cloudflare、AWS等轮番宕机，“连坐”半个互联网。AI编程全面普及，虽提高效率，但可能让宕机更易发生、难提前发现。宕机最爱发生在变更后，AI编程使改动频繁，还让人类理解系统比例下降。
爆火全网FLUX.2重磅上线，开源版Nano Banana来了！
Black Forest Labs的开源视觉模型FLUX.2上新，是专为现实创意工作流程打造的生产力工具。与前代相比，实现从「会画」到「懂你要画什么」跃升，还能在多方面保持一致性，各变体有不同定位与场景。
中国算力芯片的“新十年”
文章指出过去40年处理器芯片发展呈“否定之否定”，近年整机和平台厂商重归自研，异构计算成趋势。未来中国算力芯片突破口在指令系统结构统一，可把RISC - V作统一指令系统开发各类芯片。
OpenAI和Anthropic罕见互评模型：Claude幻觉明显要低
OpenAI和Anthropic罕见合作，互相授予API权限评估模型安全与对齐情况并发布报告。双方派出多模型参与，从指令层次、越狱、幻觉、欺骗策略等方面评测，呈现各模型优缺点。
你的衰老速度被科学家拍出来了| Nature子刊
Nature子刊研究推出新指标DunedinPACNI，不看身份证年龄，看“脑年龄”。其数值越高，脑功能衰退风险越高。该指标已开源，或助人们检测身体状况、调整生活方式。
GPT-4o-Image仅完成28.9%任务！上海AI实验室等发布图像编辑新基准，360道人类专家严选难题
上海人工智能实验室等团队针对图像编辑AI提出问题，推出RISE任务及配套评测基准RISEBench。测试九个视觉编辑模型，结果显示当前模型完成复杂指令能力欠缺，闭源与开源差距大。
实锤了：Claude Code偷查用户，时区、中国AI实验室全是关键词
今日Anthropic双喜临门，发布Sonnet模型，且商务部解除Claude Fable 5和Mythos 5出口管制。但同日Claude Code被曝偷查用户，用隐写术藏信息，引发对其信任问题的争议，官方称将移除代码。