「大模型安全评测」共找到 8503 篇相关文章
微软 Build 2025：AI 智能体时代与开放智能体网络的构建
微软 Build 2025 大会展示迈向 AI 智能体时代路径，如发布新功能助力开发者，让 AI 智能体更强大安全，支持开放智能体网络，还推出平台加速科学发现。
一篇双引擎进化的长程Agents系统性综述
人大、北大、清华等联合发表149页长时程Agent综述，给出首个统一形式化定义，梳理出‘外化Harness工程×内化模型优化’双螺旋共演化主线，用六个视角串起技术版图。
Mythos逼谷歌再拉红色警报！布林连夜成立Coding突击队
Claude Mythos来势汹汹，谷歌拉响红色警报，布林和CTO成立Coding特攻队。团队重点提升模型复杂编程任务表现，还将内部代码纳入训练数据，且推动员工用编程工具。
VLA别再「走神」：即插即用提升视觉泛化，相对Pi0.5提升18%
至简动力、北大、港中文团队发现VLA模型深层动作预测对关键视觉区域依赖下降，提出DeepVision - VLA框架，在仿真和真实任务中效果显著，能有效提升视觉泛化能力。
半夜被AI「吓醒」！57岁导师投奔24岁华人女学霸，打造「AI数学家」
57岁杰出数学家Ken Ono辞去终身教职，加入24岁学生Carina Hong创办的Axiom Math。Carina履历逆天，想打造「AI数学家」。Ken受研讨会冲击，看好AI数学潜力，将助力模型发展。
提示词分享：帮助在 Hacker News 或者 Reddit 这样的讨论贴中提取精华内容
分享了在 Hacker News 或 Reddit 讨论贴提取精华内容的提示词，介绍最佳模型为 Gemini 2.5 Pro，还给出角色定位、工作流程、写作风格技巧及禁止出现的表达方式。
“Claude Skills很棒，可能比 MCP 更重要”
10月17日，Anthropic发布Claude Skills，是助其模型获新功能的模式。Claude用Skills可改进执行特定任务方式，且只在相关时调用。它易共享，可能比MCP更重要，实现依赖编码环境。
蚂蚁集团发布KAG-Thinker，多跳问答慢思考，医疗领域拿下87分
在LLM问答领域，多跳问题存在局限性，现有方法缺乏严谨性等。KAG - Thinker是基于KAG框架的模型，将复杂问题分解，通过多模块优化知识获取，在医疗领域实用，稳定性也出色。
Hugging Face 开源 HopeJR 机器臂！本周四直播带你深入技术核心
Hugging Face 的 LeRobot 项目开源了 23 自由度的 HopeJR 机械臂系统，软硬件全公开，支持遥操作。它制造门槛低，3 步可搭建，支持数据采集训练模型。本周四晚 23 点直播揭秘其技术。
生数科技按下B端商业化快进键：30天签约智谱、飞书等多家行业龙头｜甲子光年
AI视频生成行业商业化加速，生数科技不到一周官宣与智谱、飞书等合作。其Vidu基座模型能力强，多领域开花，2025年Q1商业化增速快，还凭交付与服务能力获头部青睐。