「核心认知基准」共找到 2692 篇相关文章
Show me《指环王》！卡帕西强推大模型评测新基准
大神卡帕西宣称Anthropic用《指环王》给大模型评测上强度，这一‘指环王基准’正接替‘鹈鹕骑自行车’SVG测试。虽Opus 5生成的画面粗糙，但网友测试展现出丰富创意，不过新测试也引发争议。
AI 智能体实践评估：基准、框架与经验总结
文章为将 AI 智能体从原型落地到生产环境的团队提供实用评估框架。指出传统评估不适用于智能体，介绍评估工具，阐述五大评估支柱，还给出基于 Claude 和 LangChain 的评估示例及实践经验。
中国游戏行业：产业结构、薪酬体系与核心人才需求分析
文章分析中国游戏行业，指出其已成为复杂数字经济体，2024年市场收入稳健增长。发展历经多阶段，AIGC等技术带来变革。商业模式以F2P与内购为主，“研运一体”是关键。行业薪酬有竞争力但工作强度高，版号影响深远。
DeepMind哈萨比斯最新认知都在这里了
谷歌DeepMind CEO哈萨比斯在访谈中谈AGI，称若未来十年实现，将开启科学黄金时代。他指出当前AI瓶颈，如非真正“博士级智能”、无“真正创造力”，还介绍公司多模型进展及机器人战略等。
Auto-Research「终极大考」：新基准撕下大模型科研伪装
来自多所高校的研究者提出MLS - Bench，用于解决现有Auto - Research评测的归因问题。它含140个真实研究任务，校准受控修改范围，主实验显示当前模型在方法发现上有明显缺口，Auto - Research需更严格评测标准。
RAG外部检索是多余的，英伟达最新成果颠覆认知
英伟达INTRA论文指出RAG架构中检索器和生成器在不同表示空间工作，存在retriever - generator mismatch问题。INTRA让模型用注意力查询检索自身编码表示，训练量小，在多跳QA上超越多种检索基线。
Skills：从编程工具的配角到Agent研发的核心
文章探讨了Skills在AI Agent发展中的价值演变与适用场景，指出其价值具高度场景依赖性。在Claude Code编程工具中它表现平淡，在Agent研发中价值凸显，还给出使用场景判断维度与发展方向。
分享两篇Claude Skills最新论文，有3个核心结论
文章分享两篇Claude Skills最新论文，总结出技能安全漏洞、技能数量与准确率关系等结论。还探讨单智能体技能系统能否取代多智能体，通过实验验证其效率优势，并提出解决技能选择过载的方案，也对Agent Skills做了安全分析。
谷歌云重磅报告：AI智能体接管2026年企业核心工作流
谷歌云基于调研发布报告，揭示2026年重新定义角色、工作流和商业价值的五大关键趋势，如智能体重塑员工、数字化流水线打通企业、全时在线重塑客户体验等，还强调人才技能重塑的重要性。
诺奖、金牌与SOTA：谷歌2025八大领域核心突破年终回顾
2025年是AI成为社会基础能源的关键转折点，谷歌通过全栈自研与生态标准双轮驱动构建智能基础设施帝国。从模型推理到科学发现领域均有突破，如Gemini 3系列、Ironwood芯片等，还在各领域有诸多应用与探索。