「大模型测试」共找到 9805 篇相关文章
RoboScience机器科学发布轮式仿人形机器人REX G1，打造新一代具身生产力伙伴
8月17日，RoboScience机器科学发布轮式仿人形通用操作机器人REX G1。它搭载自研VLOA架构通用具身大模型Visics，面向多场景，能在真实世界完成任务闭环，具备多方面优势。
北航LiveRepoReflection: 扭转乾坤-仓库级代码反射
本文提出LiveRepoReflection基准，评估多文件仓库代码理解和生成能力，含1888个测试案例。创建RepoReflection - Instruct数据集训练RepoReflectionCoder，评估40多个LLMs，结果显示其能有效测模型反思修复能力。
社交Agent: 通过RL学习自适应Thinking，根据场景在“秒回”和“深思”间灵活切换
现有聊天机器人在人情世故场景表现不佳，论文指出大模型思维‘一根筋’。研究团队设计4种思维模式，用AMPO强化学习算法动态切换。在模拟社交任务中，AMPO表现超GPT - 4，省时高效。
又一个Kimi K3下周开源！Qwen3.8-Max编程、办公、科研都能自己干了
Qwen3.8-Max是Qwen家族迄今最强模型，2.4万亿参数，下周将开源权重。它在多项基准测试中表现出色，能连续自主工作数天，在编程、办公、科研、长周期任务、多模态等方面全面提升。
如何正确Vibe Coding？这是来自Anthropic编程智能体负责人的大师课
Anthropic研究员Erik Schluntz分享Vibe Coding经验。他认为AI能力指数级增长，开发者应接纳大模型生成系统，还提出聚焦‘叶子节点’、做好产品经理等策略，并介绍22000行代码合并案例及实战问答。
OpenClaw热潮之后，倒计时最后一天 | 线上预约、线下报名
OpenClaw热潮活动倒计时最后一天，由NICE、上海交大人工智能创新协会主办，2026.4.11 14:00 - 17:00举办。多位嘉宾分享，涉及Agent安全防御、智能体身份与通信、大模型进化及个人智能体发展等内容。
美团开源Agentic新王，速度拉满，工具调用打爆Kimi？
周末美团开源LongCat - Flash大模型，参数量560B，推理速度达100 token/s，成本低，在Agent工具调用表现超Kimi - K2。它有Zero - Computation Experts和ScMoE创新，不过市场表现未获太多认可。
JManus - 面向 Java 开发者的开源通用智能体
在Manus火热背景下，Spring AI Alibaba JManus诞生，它是用Java实现的开源OpenManus。可集成多个大模型，功能完善，能让Java开发者低门槛搭建智能体系统，还给出了运行方法及共建思路。
月薪3万，去内蒙草原给DeepSeek守机房
深度求索放出数据中心高级运维工程师等岗位，要将效率至上哲学从软件延伸到机房运营。其选择乌兰察布建数据中心，因当地条件优、产业生态成熟。且传闻其新一代大模型V4将发布，算力成决胜关键。
仅用1/9的token拿下SOTA，用LLM当知识路由：全新RAG框架DeepSieve
大语言模型遇「最新」或「垂直领域」知识易出错，传统RAG做法有痛点。全新RAG框架DeepSieve把LLM当知识路由器，四步筛选信息，实验精度高、成本低，消融实验明确各模块价值，还有救场案例。