「核心认知基准」共找到 2692 篇相关文章
前 DeepMind 研究员反思：评测，而非算力或数据，才是下一阶段的瓶颈
前 Google DeepMind 高级研究员 Lun Wang 在技术长文中指出，当前主流评测体系滞后，静态基准会“安静失效”。作者主张引入序参量，呼吁构建自演进评测，还为一线工程师提供了研发建议。
专访哆咪漫剧安培：投流2亿后，AI漫剧的真相和真话
2026年AI漫剧爆发，哆咪漫剧团队投流2亿。创始人安培称行业处上行期，竞争门槛抬高。AI降低创作门槛，但商业生存门槛提升，核心竞争力回归商业本质，还分享制作、发行等多方面看法。
OpenAI谷歌Anthropic罕见联手发研究！Ilya/Hinton/Bengio带头支持，共推CoT监测方案
OpenAI、谷歌DeepMind、Anthropic联合发表立场文件，提出CoT监测概念，认为是控制AI Agent核心方法。探讨其潜在机遇、局限，还提及不同公司对CoT监测的不同态度，如OpenAI乐观，Anthropic焦虑。
“图片秒生”，腾讯混元图像2.0模型正式发布，主打速度和真实感
5月16日，腾讯发布混元图像2.0模型，率先实现实时生图，生图速度快、质量高，能避免‘AI味’。在GenEval基准上准确率超95%，还发布实时绘画板功能，后续将推原生多模态模型。
AI如何看懂足球？上海交大团队打造Multi-Agent系统，全面解析“美丽足球”！
现有足球AI研究存在不足，上海交大团队打造Multi - Agent系统。他们构建SoccerWiki知识库、SoccerBench评测基准和SoccerAgent多智能体系统，该系统多工具协作，实验中碾压GPT - 4，数据和代码将开源。
“我不想一辈子只做PyTorch！”创始人8年封神后宣布卸任，AI 圈进入接班时刻
11月6日，PyTorch创始人Soumith Chintala宣布卸任框架负责人并离开Meta。他回顾了PyTorch的发展，称其已成为AI研发核心支柱。他8年升至副总裁，还讲述了PyTorch开源成功路，未来将从头做小事。
Evaluation is All You Need：评估设计的微小差异如何扭曲结果
论文以DeepSeek - R1 - Distill系列模型为例，指出大模型评估中看似客观的基准测试结果对评估细节极度敏感，细微评估条件变化会致分数波动大，削弱模型对比可信度，呼吁建立新评估标准。
Coding Agent 的一个啊哈时刻
作者翻用Codex在SGLD做Qwen - Image/HunyuanVideo的modelopt fp8支持的记录，发现Coding Agent思考过程与人类思路高度一致，如对比中间图和结果图判断量化精度，Infra领域核心技能或被其解决。
OpenClaw代码越改越崩？新研究EvoClaw揭示：Agents持续开发成功率仅13.37%
USC邓港大等联合发布评估基准EvoClaw，揭示AI在持续开发场景下表现不佳，成功率仅13.37%。研究还指出当前评测易高估AI能力，提出DeepCommit重构演进历史，分析各模型在持续演进中的局限与问题。
GAIR Live 预告｜从 IROS 2025，看智能机器人前沿趋势
IROS 2025 近日在杭州闭幕，作为全球机器人领域盛会，展示具身智能新突破与方向。GAIR Live 将携手学者与产业领军者，通过线上直播解读其核心趋势，拆解研究范式转向，还设有多个热门话题探讨。