「大模型测试」共找到 9855 篇相关文章
提示词分享：帮助在 Hacker News 或者 Reddit 这样的讨论贴中提取精华内容
分享了在 Hacker News 或 Reddit 讨论贴提取精华内容的提示词，介绍最佳模型为 Gemini 2.5 Pro，还给出角色定位、工作流程、写作风格技巧及禁止出现的表达方式。
将对话界面直接引入Web，微软开源NLWeb，实现ChatGPT级别搜索
微软 Build 2025 开发者大会上，开源项目 NLWeb 受关注。它简化网站自然语言交互界面开发，原生支持 MCP，能让任意网站变智能应用平台，还可调用廉价模型，使用方便。
今日开展|HICOOL 2026全球创业者峰会
8月26 - 29日，HICOOL 2026全球创业者峰会将在中国国际展览中心（顺义馆）启幕。会期4天，采用“展+会”形式，主论坛覆盖创业全链路，还有五大展区、七大分舞台，亮点多多，值得关注。
HarnessEval 来了！开启 RSI 时代的新评测范式！
过去一年AI进入RSI时代，但评测方式仍停留在过去。MirroS联合多方发布HarnessEval，将Harness引入评测领域，使评测成为具备自我进化能力的智能系统，还率先应用于交互式世界模型评测。
“Claude Skills很棒，可能比 MCP 更重要”
10月17日，Anthropic发布Claude Skills，是助其模型获新功能的模式。Claude用Skills可改进执行特定任务方式，且只在相关时调用。它易共享，可能比MCP更重要，实现依赖编码环境。
蚂蚁集团发布KAG-Thinker，多跳问答慢思考，医疗领域拿下87分
在LLM问答领域，多跳问题存在局限性，现有方法缺乏严谨性等。KAG - Thinker是基于KAG框架的模型，将复杂问题分解，通过多模块优化知识获取，在医疗领域实用，稳定性也出色。
Hugging Face 开源 HopeJR 机器臂！本周四直播带你深入技术核心
Hugging Face 的 LeRobot 项目开源了 23 自由度的 HopeJR 机械臂系统，软硬件全公开，支持遥操作。它制造门槛低，3 步可搭建，支持数据采集训练模型。本周四晚 23 点直播揭秘其技术。
通义实验室最新成果WebDancer：开启自主智能Deep Research的新时代
通义实验室推出 WebDancer，解决自主信息检索智能体构建难题。它创新合成训练数据，采用两阶段训练策略应对开放网络训练挑战，在多个基准测试中表现卓越，未来还将拓展能力。
生数科技按下B端商业化快进键：30天签约智谱、飞书等多家行业龙头｜甲子光年
AI视频生成行业商业化加速，生数科技不到一周官宣与智谱、飞书等合作。其Vidu基座模型能力强，多领域开花，2025年Q1商业化增速快，还凭交付与服务能力获头部青睐。
突发：DeepSeek Harness出桌面版了！
本文来自机器之心，爆料DeepSeek Harness流出未官宣官方桌面客户端，实测可正常使用，介绍了其界面、多种工作模式与内置插件，该版本为官方候选测试版，降低了普通用户使用门槛。