「AI 项目评估」共找到 10491 篇相关文章
B站爆了！Hermes首度直播回应「抄袭」，MiniMax提前杀入Harness赛点
Hermes Agent业务负责人回应抄袭质疑，技术对谈探讨AI竞争新维度。MiniMax动作密集，构建“Model + Harness”双向飞轮，其模型获海外开源圈认可，产品驱动模型优化，还与云厂商合作解决沙箱问题。
Anthropic让9个Claude Agent花5天做出比人类强4倍的对齐成果
Anthropic发表Automated Weak - to - Strong Researcher，用9个并行的Claude Opus Agent组成自动化研究团队，5天就把PGR从人类的0.23提升到0.97，成本约$18,000，证明AI自动化研究可行。
笑死，人形机器人运动会全是鬼畜名场面！这锅粥大家来趁乱喝了吧
首届人形机器人运动会在国家速滑馆举行，现场状况频出，如机器人撞人逃逸、摔倒、抢球混战等。比赛项目多样，包括足球、拳击等。解说重点是AI知识，比赛规则也为机器人量身定制。
o3绞尽脑汁仅答对40%的题目，开源模型基本乱猜？MMSI-Bench：多图空间智能试金石
文章介绍了MMSI - Bench，这是用于评估MLLM多图像空间推理能力的VQA基准。它人工构建样本、全面分类任务、采用多样真实数据。实验显示MLLM在多图像空间推理有短板，还开发自动化错误分析流程助力改进。
API协议全景图：从REST到MCP的选型指南
本文以开源项目 HiMarket 为背景，梳理从传统 Web 到现代 AI 场景下六种主流 API 协议，如 RESTful、GraphQL 等，介绍其核心定位、技术特点与适用场景，助开发者厘清相关概念。
4.5K Star 超极简！挖到一款更轻量的“纳米级 OpenClaw”，8 分钟直接理解源码！
作者挖到更极简的OpenClaw复刻项目NanoClaw，开源3天获4.5K Star。它基于Claude Agent SDK构建，抛弃臃肿设计，拥抱“定制即代码”理念。功能特性丰富，安全模型升级，核心仓库极简能力可无限扩展。
ROCK & ROLL！阿里给智能体造了个实战演练场 | 开源
阿里开源新项目ROCK，解决了智能体无法在真实环境中规模化训练的难题。它与阿里此前的RL训练框架ROLL配合，构成完整的智能体训练闭环，推开了Agentic AI规模化应用的大门。
翁荔最新博客：我们可能高估了模型，却严重低估了那层“脚手架”
前OpenAI安全研究副总裁翁荔在新博客聚焦AI领域Harness Engineering。她认为Harness是决定模型在现实任务中走多稳、多远的‘脚手架’，并梳理其演进路线，也指出研究面临评估、安全等瓶颈。
让 Claude 自己循环干到完成——Ralph Loop 原理与实战指南
文章介绍了Ralph Loop技术，它由程序员Geoffrey Huntley发明，核心是让AI持续工作直到外部验证通过。对比了与主流Agent框架的差异，还列举其真实战绩、使用方法及适用场景。
深度之赌：从卧室到上帝机器
文章讲述现代AI秘史，从Jeff Dean本科研究神经网络失误，到Google Brain诞生；还有Hinton等深度学习先驱经历，如Hinton当实习生、AlexNet诞生等，也提及Google发展及未先发ChatGPT原因。