「自主智能测试」共找到 5161 篇相关文章
多模态长文本理解测评首发：46款模型无一攻克128K难关
香港科大等研究者联合提出MMLongBench，用于评估多模态模型长文本理解能力。它覆盖5大类型任务的16个数据集，对46个模型测试显示，闭源和开源模型在长上下文任务均面临挑战，OCR和跨模态检索能力是瓶颈。
不再“纸上谈兵”：大模型能力如何转化为实际业务价值
InfoQ《极客有约》X AICon 直播栏目邀华为云郑岩、蚂蚁集团杨浩、明略科技吴昊宇，探讨大模型驱动业务提效。分享场景探索、技术落地经验，如选模型考量因素、AI Agent 创新等，还提及 MCP 应用与未来展望。
75页哈工大多模态推理大模型最新综述：感知、推理、思考与规划
哈工大提出75页多模态推理大模型综述，围绕四阶段发展路线图展开，即感知驱动的模块化推理、以语言为中心的短推理、以语言为中心的长推理、迈向原生多模态推理模型，还给出挑战性基准测试和实验案例见解。
大模型终于通关《宝可梦蓝》！网友：Gemini 2.5 Pro酷爆了
Gemini 2.5 Pro在直播中通关《宝可梦蓝》，谷歌CEO官宣。文中介绍其通关过程、玩游戏基本步骤，还探讨宝可梦对大模型的挑战，谷歌将继续探索，网友提议用通关宝可梦测试大模型 。
GPT-6 Astra 省 Token & 使用技巧大全
本文原创分享GPT-6 Astra的Token节省与实战使用技巧，通过实测对比不同模型搭配的配额消耗效果，给出排雷指南，还介绍了一款开源工具可将普通ChatGPT网页版爆改成全功能Codex，干货充足实用性强。
最懂科学的开源基础大模型『书生-S2』发布：科学能力比肩顶尖闭源，通用性能居开源第一梯队
上海人工智能实验室在2026浦江创新论坛发布开源基础大模型书生-S2，该模型科学能力比肩顶尖闭源模型，通用能力居开源第一梯队，创新架构支持专业知识持续扩展，强化长程科研与智能体能力，可为真实科研任务提供支撑。
从1000通到1.5万通，百融智能的「硅基客服」真正开始「上岗」
今年7月，一家头部物流企业和大型综合类头部券商上线百融智能的AI客服，业务量和部署规模增长显著。百融智能正战略升级，以新一代AICC智能联络技术向多行业拓展，其创始人张韶峰分享了相关思考与技术优势。
当 AI 开始重写负载，数据库该如何重新设计？
AI正改写数据库命题，新数据对象进入生产链路，AI Agent带来更复杂任务链路。在腾讯云数据库DBTalk上，三位研究员从不同方向探讨当负载被AI改写，数据库该如何重新设计，包括内核优化、资源管理和测试测评等方面。
“GPT-6”Astra能力首次公开！浙大同济校友参与研发
OpenAI为下一代模型Astra（传说中的GPT - 6）拉满预热，公开其能力。它在网络安全测试表现出色，但强大能力带来安全隐患。OpenAI设两道安全闸门，且两位华人研究员参与研发。此外，其新技术或影响可监控性。
一个Skill让DeepSeek V4 Pro超越Fable 5？热门插件被锤了
前两天J-Space凭夸张测试结果刷屏，宣称一份Skill接入Agent环境，能让V4 Pro在多基准大幅提升，部分成绩超Fable 5。但社区复测结果相反，作者未公开完整评测记录，还删质疑帖，引发公开打假。