「评估策略」共找到 1560 篇相关文章
45年数论猜想被GPT-5.2 Pro独立完成证明，陶哲轩：没犯任何错误
2025年1月17日，研究者Neel Somani让GPT-5.2 Pro解1980年提出的埃尔德什猜想第281号问题，证明经陶哲轩验证成立。此外，网友发现有更简单经典解法。陶哲轩提醒评估AI真实成功率有报告偏差。
从0到1：天猫AI测试用例生成的实践与突破
本文阐述天猫技术团队在AI赋能测试领域的实践，讲述智能测试用例生成落地路径。介绍业界现状与天猫业务特性，给出实施策略，展示应用效果，还指出问题并对未来发展做了展望。
VLA 推理新范式！一致性模型 CEED-VLA 实现四倍加速！
近年来，VLA模型成机器人领域重要研究方向，但推理速度受限。本文提出一致性蒸馏训练、混合标签监督机制及提前退出解码策略，在多基线模型上实现超4倍推理加速，实验验证其高效通用。
Karpathy：我不是要造新词，是「上下文工程」对 Agent 来说太重要了
Andrej Karpathy 认同Shopify CEO关于「上下文工程」的观点。它指为大语言模型提供恰当信息和工具，比提示词工程更重要。文章介绍其概念、与提示词工程区别，及写入、筛选等落地策略。
小扎狂砸3亿美金薪酬包！奥特曼放狠话：传教士终将打败雇佣兵
新智元报道，Meta挖走近十位OpenAI研究员，小扎砸3亿美金薪酬包。奥特曼内部喊话“传教士将打败雇佣兵”，抨击Meta挖人，还暗示评估薪酬方案。当前硅谷AI抢人大战白热化，人才薪酬暴涨。
冲159K星 OpenClaw工具链，正在悄悄改变Agent玩法
Clawdbot更名openclaw后在github星冲到159K。它能让AI深入工作流且保数据隐私，有集成渠道多、工具齐全、有状态会话与持久记忆、路由策略适配不同模型等核心能力，并在多方面优于常见AI工具。
AI自动写学术综述：10分钟生成6万字，成本不到四块钱
上海人工智能实验室等单位提出SurveyForge框架，能自动化生成高质量学术综述论文。它有双数据库协同驱动的大纲生成机制、学者导航代理SANA和并行生成与协调机制。还有SurveyBench评估框架，实验显示其效果好，应用前景广。
怎么回事？刚被OpenAI收购，Windsurf就发了个自己的模型
5月初，刚被OpenAI收购的Windsurf发布AI编程模型SWE - 1，该模型针对软件工程全流程，核心是流动感知，实现人机自然交接。它有三个系列，已上线可免费使用，开发灵感源于编辑器，在评估和实测中表现良好。
Anthropic的疯狂一周：每天一个新产品，我已经跟不上了
4月4 - 9日，Anthropic动作不断，先封杀第三方Agent用Claude订阅额度，又发布Claude Mythos Preview、Claude Managed Agents和Advisor Tool。其Agent产品线分三层，还展现“不发布”策略，背后是控制生态的商业考量。
阿里搞了个全能解析器，文档、图片、音频、视频一锅端
阿里巴巴开源 Logics-Parsing-Omni，用一个模型统一处理文档、图片、音频、视频四种模态，输出结构化 JSON 数据。它采用三级渐进解析框架，两阶段训练策略，在自建基准上多项指标超越 Gemini - 3 - Pro。