「元评估」共找到 1368 篇相关文章
翁荔最新博客：我们可能高估了模型，却严重低估了那层“脚手架”
前OpenAI安全研究副总裁翁荔在新博客聚焦AI领域Harness Engineering。她认为Harness是决定模型在现实任务中走多稳、多远的‘脚手架’，并梳理其演进路线，也指出研究面临评估、安全等瓶颈。
Shopify 经验贴：如何搞出一个生产级别可用的 AI Agent 系统？
Shopify 以 AI 助手 Sidekick 为例，分享从简单工具调用系统演变为复杂 AI Agent 平台的经验，包括架构设计、评估方法和训练技术等方面，还给出构建生产级别可用的 AI Agent 系统的四条核心建议。
Meta华人实习生搞出超级智能体！自己写代码实现自我进化
Meta研究团队论文结合哥德尔机思想与达尔文开放算法，提出达尔文哥德尔机，进而定义超级智能体Hyperagents。它能持续自我迭代，实现元学习，实验证明其能有效自我提升，且改进有迁移性。
MemOS：一种用于 AI 应用的记忆操作系统
大型语言模型缺乏记忆管理系统，限制其发展。MemTensor与高校联合开源MemOS，它将记忆视为可管理资源，有三层架构，系统化三种记忆类型。评估显示其在推理、检索、加速等方面表现优异。
成本砍半！国产黑马攻破机器人「瘫痪」难题，大厂纷纷上车
深圳机器人产业生态优越，产业链完整。小象电动聚焦轴向磁通路线，实现技术突破，累计出货近7万台，进入华为等大厂供应链，完成超亿元融资，体现深圳产业链整体优势。
多模态模型挑战北京杭州地铁图！o3成绩显著，但跟人类有差距
近年来，多模态大模型在多种场景取得进展，但能否‘看懂图’存疑。西湖大学等团队提出评测基准ReasonMap，评估模型在地铁图理解中的能力，发现主流模型有瓶颈，闭源模型虽优但仍逊于人类。
五一假期，花半天装个 Claude Code 玩玩？
作者朋友五一想搭建自己网站，因不会装Claude Code求助。作者整理安装流程，以Mac为例演示三分钟安装，还介绍接免费API方法，最后讲Claude Code玩法及词元跳动API优势。
前荣耀AI实验室主任带队：用“超级大脑”接管农场，24小时不打烊
浙江丘沃智能的AlphaFarm系统开启无人农场新范式，由前荣耀AI实验室主任汤泳等“AI极客”打造。该系统能自主决策执行、实时监控，有四大黑科技，经评估在农业垂直领域领先。
刚刚，DeepSeek全新多模态技术开源！
DeepSeek联合北大、清华开源多模态技术及论文，提出“视觉基元推理”框架，解决MLLM指代鸿沟问题。基于DeepSeek - V4 - Flash构建的模型，性能比肩GPT - 5.4等。论文还介绍架构、训练流程等。
谁在为人形机器人铺「全开源生态」？
2026 年人形机器人硬件发展快，但行业生态基本未变、研发成本高。乐享科技旗下元点机器人联合 CMU 发表两篇论文，又发布开发者全开源生态 OpenBridge，将“从闭门造车到开源共创”路径摆在台面。