「逻辑评估」共找到 1081 篇相关文章
CVPR 2026 Highlight｜让家电「在仿真中运转起来」，北大正式发布RealAppliance！
北京大学团队提出 RealAppliance 数据集与 RealAppliance - Bench 评测基准。前者收录 100 个精细家电资产，与真实产品系统多层面对齐；后者围绕五项任务评估模型家电操作规划能力，实验显示主流模型仍面临挑战。
Cursor即将被收购、Figma股价大跌，模型厂商还会吃掉谁？AI应用存在护城河吗？
SpaceX 或 600 亿美元收购 Cursor，Anthropic 上线竞品致 Figma 股价跌 7%。AI 应用公司原以为的数据飞轮、垂直 fine - tune、AI 原生 UX 等护城河逻辑已松动，威胁或来自模型供应商。
谷歌Jeff Dean和多位图灵奖得主合著论文，全面剖析了AI
谷歌Jeff Dean和图灵奖得主John Hennessy等联合发布报告《塑造AI对数十亿人的影响》，拒绝AI极端观点，选择务实。报告剖析打破“饭碗焦虑”、重塑教育医疗等内容，Laude研究所也开展实战评估项目。
实锤了，Meta 正式收购 Manus
近日，Manus 官网官宣“加入 Meta”。Manus 致力于打造通用 AI Agent，能处理复杂任务。这是笔待完成交易，未披露条款。Meta 在 AI 落地应用缺具象答案，收购它或是选已跑通逻辑的产品融入底层。
HumanSense：探索多模态推理边界，打造「察言观色会共情」的全模态交互伙伴
蚂蚁集团与西安交通大学联合提出并开源 HumanSense，含评估基准与推理模型。通过细粒度评测、全模态消融等研究，提出优化策略，项目已在 GitHub 和 HuggingFace 开源，推动 AI 交互体验革新。
打破大模型编程「数据污染」与「能力虚胖」困境，Meituan-M17团队构建新一代AI编程评测新标准——OIBench
当前大语言模型编程能力评估体系问题多，如评测集饱和、数据泄漏等。Meituan - M17团队推出OIBench数据集，对18个主流大模型评测，揭示模型真实水平，还将举办人机协作编程竞赛。
谁在幕后操控特朗普2.0？PayPal黑帮与“科技共和国”野心 | 赠书福利
2025年特朗普启动国家级AI发展计划，背后是硅谷技术精英。他们用资本等重塑美国权力逻辑，核心是彼得·蒂尔。“技术加速主义”思潮兴起，主张技术进步解决问题，亚历山大·卡普构想“科技共和国”。
文生图进入R1时代：港中文MMLab发布T2I-R1，让AI绘画“先推理再下笔”
港中文MMLab团队发布首个基于强化学习的推理增强文生图模型T2I - R1。它提出双层级CoT推理框架和BiCoT - GRPO强化学习方法，解决生成评估难题，为多模态生成提供新范式。
Anthropic "泄露"Claude Mythos 最强模型到底有多猛？
Fortune爆出Anthropic因CMS配置失误，致新模型Claude Mythos信息泄露。该模型有阶跃式进步，在多领域表现超前代，网络安全能力突出。此事反映AI迭代快但安全待提升，安全成模型评估关键。
26.7K 标星！GitHub 高分教程 Learn Claude Code：12 节课带你手搓一个 Cursor！
Learn Claude Code是shareAI - lab开源教学项目，目标是让人理解AI编程Agent工作原理。它有12节课，每节加一个机制，逻辑清晰。配交互式Web平台，文档‘心智模型优先’，还提供后续项目助知识落地。