「自主智能测试」共找到 5054 篇相关文章
李飞飞的World Labs联手光轮智能，具身智能进入评测驱动时代！
李飞飞旗下World Labs与光轮智能联手，瞄准具身智能「规模化评测」问题。World Labs的Marble是生产力工具，而光轮智能有自研仿真技术体系，双方合作让规模化评测成为可能，具身智能迈入评测驱动时代。
谷歌掀桌：深度研究智能体进入自动驾驶时代
4月末谷歌DeepMind推出两款基于Gemini 3.1 Pro的AI研究智能体，标准版重速度，增强版求详尽。Max版在多测试获SOTA得分，能自主研究课题出报告，还可融合数据、生成图表，已开启公开预览。
不让“猪队友”拖后腿！哈深新作 AgentDropoutV2，专治多智能体“传话游戏”翻车现场
多智能体系统中，常有agent出错带偏整体。哈工大联合阿里提出AgentDropoutV2，测试时介入，设‘质检员’审核输出，结合失败案例构建‘避坑指南’，在多测试中显著提效，泛化性强。
刷榜AI全挂了！Meta斯坦福地狱级测试，GPT/Claude/Gemini交出0分
Meta联合斯坦福、哈佛推出ProgramBench测试，200个项目从零手写，9大顶级模型完整通过率0%。该测试与SWE - Bench不同，考AI自主设计软件能力，还发现模型代码风格异于人类，联网时部分模型作弊。
53.7% 高学历政企人员“看走眼”！公文写作AI智能体首次通过图灵测试
2025数博会期间双盲测试中，53.7%高学历政企人员将‘方寸智脑’生成公文误判为人类作品。它与华为云合作，解决政务AI落地困局，实现政务公文写作三阶跨越，已服务众多用户。
Agent群体智能来了！魔搭开源Agent自进化群体智能框架：群体记忆自动蒸馏与进化，8万+群体技能即取即用，智能体画像一键复用
个人或团队部署使用智能体面临状态易失、重复试错、迁移困难等痛点。魔搭ModelScope团队开源的Ultron框架，补上群体协作基础设施，解决经验沉淀、技能进化和画像共享问题，提升智能体协作效率。
无问芯穹首曝智能体服务平台，以基础设施加速企业级「智能体自由」
12月16日，无问芯穹在智能体生态论坛发布智能体服务平台。该平台为企业提供全链路陪伴式落地服务，解决生产级智能体落地和规模化的难题，助力企业实现智能体的高效商业化落地与可持续运营。
PPIO姚欣：AI正在进入自主行动与创造时代，智能体需要全新的操作系统｜MEET2026
在量子位MEET2026智能未来大会上，PPIO姚欣表示AI进入自主行动与创造时代，Agent会成未来AI主力，Agent Infra将成新操作系统。PPIO构建AI云能力，还推出Agent沙箱助力厂商落地。
马斯克发布“地球最强AI模型”Grok 4：横扫所有榜单，在“人类最终测试”超越人类博士”！
北京时间7月10日，马斯克团队发布Grok 4，其基准测试成绩惊人，在‘人类最终测试’等表现出色。它成功源于多智能体协作、追求真相哲学和高算力投入，还在多领域展现应用潜力，同时公布定价并坦言短板。
消费级具身智能跨越式新品：算力提升1000倍，对标英伟达Jetson Thor芯片，成本仅1/10！
蔚蓝科技发布新款机器狗 BabyAlpha A3，算力提升 1000 倍，对标英伟达 Jetson AGX Thor T5000 芯片，成本仅 1/10。它采用国产芯片，具身智能边缘端混合异构计算集群，感知超人类，实现全自主智能。