「智能体评估」共找到 4035 篇相关文章
GPT-5准确率不足40%！北大发布多模态、高难度化学基准SUPERChem
北大团队发布多模态、高难度化学基准SUPERChem，构建评估大语言模型化学推理能力新体系。测试显示，GPT - 5准确率仅38.5%，与低年级本科生相当，且模型在高阶推理有短板，该基准为模型优化指明方向。
从 1000 万 App 下载到 1 亿桌面：千问与夸克合体成 AI 浏览器了
阿里千问 App 公测 7 天下载量破千万，其基于强大的 Qwen 模型。11 月 26 日，千问与夸克 AI 浏览器深度融合发布 6.0 版本，借助夸克超 1.1 亿的装机量，千问成系统级桌面智能助理。
用AI“打开”金融市场黑盒：微软亚洲研究院如何构建订单级仿真引擎
在大模型与智能 Agent 崛起的时代，金融行业变革不断。微软亚洲研究院刘炜清在 AICon 大会分享，团队构建金融基座模型与 Agent 流程，实现高保真市场模拟与决策优化，还介绍了相关平台和模型构建应用。
全新SkyReels发布，昆仑万维要通吃创意生态 | 甲子光年
11月4日，昆仑万维发布全新SkyReels，定位“一站式、零门槛多模态AI创意平台”。它有无限画布、智能副驾、AI视频模板三大革新，重构创作流程。其技术进化快，还加入平面设计功能，有望撬动更大应用市场。
分析1.8亿份招聘数据后，他告诉你AI究竟取代了哪些工作
本文分析1.8亿份全球招聘信息，发现AI不是造成大规模失业主因，影响因岗位而异。创意执行类岗位下降多，AI基建岗位增长，程序员、客服、销售较稳定，高层受冲击小，还给出评估岗位安全的建议。
中国机器人这么玩儿，把老外都整不会了
这两天，中国机器人把网上老外看傻眼。松延动力发布小机器人Bumi，售价9998元；本末科技推出全球首款整机模块具身智能机器人D - INFINITE，会功夫。此外，宇树H2等也引关注，中国机器人火出圈。
大模型追逐星辰大海，GPT和Gemini国际天文奥赛夺金
新论文以国际天文学和天体物理学奥林匹克竞赛 (IOAA) 为基准测试，证明 GPT - 5 和 Gemini 2.5 Pro 能在天文奥赛获金牌。研究还分析不同模型表现、与人类成绩对比及错误类型，强调需全面评估模型科研潜力。
告别AI“乱画图表”！港中文团队发布首个结构化图像生成编辑系统
现有AI生图工具在结构化图像生成上问题多，理解与生成能力有鸿沟。港中文等校联合团队提出首个综合性方案，涵盖数据集构建、模型优化、评估基准三大模块，助多模态模型画准图，推动其发展。
刚刚！软银系创始人4个月打造机器人超级黑马，获2轮近亿元融资
9月23日，成立仅四个多月的具身智能机器人企业浩海星空，获浙江仙通4000万战略投资。其创始人齐建伟有二十年技术积累，浩海星空精准卡位，选教育等场景破局，还前瞻布局双足人形机器人。
Meta与Scale AI合作出现问题
Techcrunch消息，Meta向Scale AI投资143亿美元并招揽其高管运营超智能实验室，合作仅两月就出问题。人事有变动，TBD Labs与Scale AI对手合作，有人认为其数据质量低，Meta否认，投资开局或不利。