「结果交付」共找到 699 篇相关文章
The Batch: 864 | GLM-4.5：一款开放的智能体竞争者
大型语言模型推动智能体能力交互竞赛正酣，中国 Z.ai 推出 GLM - 4.5 系列开源权重模型，在推理、编程等基准测试中表现出色，还介绍了其工作原理、研究和测试结果等。
GPT-5编程成绩有猫腻！自删23道测试题，关键基准还是自己提的
有人发现OpenAI测试GPT-5编程能力时，用的SWE-bench Verified子集仅477题，自行省略23题。若这些题默认零分，其得分比Claude Opus 4.1低。且该基准还是OpenAI自己提出的。
VLA进化后降维打击！双手拣货，漂移操作，还能批量化秀舞，太空舱直接开上街，被银河通用卷到了
世界机器人大会上，银河通用的人形机器人Galbot在具身智能小卖部营业，背后是自研端到端具身智能大模型。其与英伟达联合首发的机器人应用表现出色，太空舱也在北京首发，适配多场景，具身大模型商用能力获认可。
刚刚，马斯克Grok4干翻谷歌Gemini！o3杀入首届大模型对抗赛决战
首届大模型国际象棋对抗赛第二轮结果出炉，o3以4比0击败o4 - mini，Grok 4在加赛中战胜Gemini 2.5 Pro，二者挺进决赛。8月7日将迎来终局之战，国际象棋冠军将解说。
研究者尝试揭示扩散模型创造力的起源
斯坦福大学研究人员 Mason Kamb 与 Surya Ganguli 在论文中提出解释扩散模型创造力的机制，指出其创造力是去噪生成图像时的确定性结果，还识别出关键偏置，搭建 ELS 机模型并验证其准确性。
Grok 4作战图刷爆全网，80%华人横扫硅谷！清华上交校友领衔，95后站C位
Grok 4一夜爆火硅谷，一张内部作战图显示其幕后团队华人学者占比达80%，包括Jimmy Ba、吴怀宇等。独立评测中Grok 4成绩优异，但也有人质疑其代码基准结果有过拟合嫌疑。
硅谷顶尖产品教练万字干货，一针见血揭示产品失败真相
文章回顾 Jim Morris 演讲，指出多数团队混淆“产出”与“成果”，迷恋“虚荣指标”。以 Power Reviews 为例，强调做对事才驱动客户价值。还介绍衡量成功的指标及应用案例，说明指标关联与先行指标作用。
AI还不会独自问诊，o3准确率仅为51.12%，上交大×SII开源高难度复杂疾病诊断测评集
上海交大与SII团队开源高难度复杂疾病诊断测评集DiagnosisArena。测试显示，现有大模型在复杂临床诊断任务中表现不佳，o3准确率仅51.12%，且选择题设置无法反映其真实能力。
红杉AI峰会闭门6小时，150位创始人共识浮现：AI不再卖工具，而是卖收益
第三届红杉资本AI峰会落幕，150位全球顶尖AI创始人齐聚。会议指出AI正从卖工具转向卖收益，还探讨了操作系统之战、智能体经济等话题，给出面向未来三年的定位图等，提醒从业者转变观念。
别指望你的组织能变得 AI Native
一家公司买企业级 AI 授权全员铺开，虽 88% 员工采用，但交付速度未变，仅 10% 的人烧掉 90% 的 Token。文章指出企业 AI 采用率指标荒诞，分析企业 AI 应用现状，还给出落地推进建议。