「AI模型测试」共找到 13681 篇相关文章
Claude Mythos其实没那么神？AI发现bug其实早已是寻常
VIDOC Security Lab博客指出Claude Mythos实力或被高估，用LLM发现漏洞早有先例，他们用多模型扫描开源项目也发现诸多漏洞。AI辅助漏洞发现成威胁，企业需用AI对抗AI积极防御。
刚刚，ARC-AGI-3发布！人类100分，最强AI零分
ARC Prize发布ARC - AGI - 3预览版，测试范式从静态谜题到交互式游戏。新引入交互式推理基准测试，人类轻松通关，最强AI却全军覆没。但测试引发社区质疑，奖金设置也遭吐槽，且存在体验和技术问题。
刚刚，AI音乐被重新定义！昆仑天工甩出新王炸，拿下全球第一
如今AI神曲传播快，AI音乐或帮助作品出圈。1月28日昆仑天工发布音乐大模型Mureka V8，新模型降低创作门槛，提出AI音乐成新音乐品类概念。实测其作品出色，技术上靠MusiCoT和人声建模加持。
卡帕西大模型横评方法太好玩了！四大AI匿名参赛评分，最强出乎意料
卡帕西发布“大模型议会”web app，系统通过OpenRouter调起多模型开会商议，各模型答题、互评、排序，由主席模型给出统一答案。可对比模型差异，模型自评与人类主观或不同，多模型集成或成突破点。
ICLR 2026｜首个微观世界模型MicroVerse来了，AI开始模拟看不见的世界
过去两年，世界模型成为大模型演进重要方向，但现有模型多聚焦宏观世界。本文提出MicroVerse模拟框架，将研究边界拓展到微观尺度，还推出MicroWorldBench评测基准和MicroSim - 10K数据集，推动AI从视觉模拟迈向科学模拟。
AI教父Hinton暴论：AI永生之日，全人类变烤面包倒计时！
在Gitex Europe开幕日，「AI教父」Hinton接受专访，表达对AI发展的看法。他认为AI可深刻改变多领域，未来十年有望在数学领域超越人类，也指出AI能耗问题，担心人类触及能源极限，还强调AI可能灭绝人类，呼吁政府监管。
北大伯克利联手“拷问”大模型：最强Agent也才40分！新基准专治“不听话”的AI分析师
北大与伯克利团队推出IDA - Bench新基准，模拟真实数据分析场景，解决现有基准无法评估大模型在动态交互中可靠性的问题。测试显示，顶尖大模型成功率最高仅40%，不同模型还暴露多种问题。
彭博社突发：OpenAI 的中国最强对手，将开源最新 SOTA 模型
据彭博社报道，中国AI独角兽智谱AI（Z.ai）周一将发布最大开源模型GLM - 4.5，这是旗舰模型重大更新版。此前OpenAI警告智谱扩张迅速。近期中国AI初创公司开源竞赛激烈。
AI 视频生成“试金石”：谷歌 Veo 3 体操“图灵测试”未达标，仍是“抽象派”！
谷歌新出的Veo 3视频生成模型画质惊艳且能开口说话，但生成体操动作效果差，像“抽象派”。虽存在生成不准问题，但物理效果比其他模型好。有人建议其与专业动捕公司合作，音画一体或成视频模型竞赛标配。
Github持续上榜，这款 AI 自动渗透项目真有点东西！
传统渗透测试依赖人工，效率不高。开源项目PentAGI将‘AI Agent + 渗透测试’结合，能自动完成渗透测试任务，有自主决策能力，功能特性丰富，安装使用较方便，虽有局限但值得尝试。