「自主智能测试」共找到 5162 篇相关文章
谢赛宁团队新基准让LLM集体自闭，DeepSeek R1、Gemini 2.5 Pro都是零分
纽约大学等8家机构研究者提出LiveCodeBench Pro竞技编程基准测试，评估了Gemini 2.5 Pro等前沿大模型。发现当前模型有显著不足，在无外部工具时，高难度题通过率为0，LLM与人类大师级水平差距明显。
刚刚，OpenAI最强推理模型o3-pro诞生！碾压Gemini 2.5 Pro击穿底价
OpenAI昨夜官宣上线最强推理模型o3 - pro，还将o3价格暴降80%。o3 - pro专为深度思考和提供超可靠答案而生，在多项测试中表现优异，虽有速度慢等限制，但优势明显，网友实测效果惊艳。
波士顿动力机器人进厂打工现逆天操作！3D感知+实时追踪，人类捣乱完全不带怕的
波士顿动力的Altas机器人重磅升级，具备3D空间感知和实时物体追踪能力，可自主执行复杂工业任务。文章还解析其背后技术，包括2D感知、3D感知、物体位姿估计和校准等，团队未来将构建统一基础模型。
SOTA大模型遇上加密数据评测：Qwen3未破10%，o1也栽了丨上海AI Lab等联合研究
当前推理模型在基准测试中性能卓越，但在密码学领域推理能力待探索。上海AI Lab等推出CipherBank评测，用海量真实隐私场景数据和多类型密码算法挑战SOTA大模型，结果显示模型表现不佳，还分析了模型“犯难”原因。
Agent可以自己进化了？！
论文《Automated Design of Agentic Systems》提出让Agent扮演设计师，“元代理”能自动生成新代理设计方案。用编程语言作设计空间，实现“设计自由”。实战中，AI设计的Agent全领域超越人类，还具备知识迁移能力，未来或有自主进化的AI生态。
二十年老牌 IDE 栽在 AI 上？JetBrains 被差评逼疯批量删除评论，用户怒打 1 星抗议
JetBrains的AI助手插件下载超2200万次，但评分仅2.3分。用户不满其自动安装、速度慢、bug多等问题，负面评论被批量删除引发抗议。公司虽推出免费套餐和新AI智能体Junie，但仍面临成本、竞争等难题。
协同办公进入Agent时代，飞书+豆包工作跑在了最前面
本文报道2026飞书未来无限大会，字节跳动发布完成系统性适Agent化改造的飞书8.0，以及国内首个团队智能体产品豆包工作伙伴，原生深度融合打造Agent时代协同办公新方案，披露企业AI选型新趋势，强调企业级AI安全。
Alphaist 陈哲对谈蓝驰陈维广：AI 应用的机会在哪里？具身到底怎么投？
Alphaist 创始人陈哲与蓝驰创投管理合伙人陈维广在 AGI Playground 2026 上对谈，探讨 AI 应用机会与具身投资策略。谈到市场热度变化、SOTA 模型与用户需求差距等，也对应用层机会、估值逻辑、具身智能发展发表看法。
能效翻5倍！他们复刻人脑双记忆通路，造出能长效记住上下文的类脑AI芯片
帝国理工学院博士后孙鹏飞和苏黎世联邦理工博士后苏哲及合作者，受大脑皮层机制启发，打造“双重记忆路径”类脑网络及配套芯片，处理语音识别任务时能效比此前优方案高5倍。相关论文发表在《自然·机器智能》且代码、设计全开源。
T-PAMI｜中国科大、合工大等提出CAPER++：让关节物体位姿感知真正迈向「又快又稳」
在具身智能发展下，关节物体位姿感知难题待解。中国科大、合工大等团队提出 CAPER++ 框架，从关节驱动视角建模，将位姿学习拓展至 SE (3) 流形切空间，实现端到端推理，兼顾精度、鲁棒性与实时性。