「AI测试集」共找到 10975 篇相关文章
Claude与人类共著论文，苹果再遭打脸！实验黑幕曝光
苹果一篇质疑大模型推理能力的论文引发争议。Open Philanthropy研究人员联手Anthropic发表论文，揭露苹果论文三大缺陷，指出部分测试无解却让模型“背锅”，还给出正确评价大模型推理能力的方法。
OpenAI连破10道数学难题，Fable 24小时「复现」5道
这个周末，OpenAI与Anthropic两大AI巨头在数学前沿短兵相接。先是OpenAI用未发布模型Astra证明10项数学成果，不到24小时，Anthropic的Fable复现了其中5项。AI解难题成本降低，成果验证成新考验。
Claude两周挖出火狐浏览器22个漏洞、14个高危！安全研究的游戏规则该变了？
近日，Anthropic与Mozilla合作，用Claude Opus 4.6测试火狐浏览器漏洞，两周内找出22个漏洞，14个高危。网友热议，有人赞其高效，也有人担忧攻击面变化。还测试了Claude利用漏洞能力，同时分享技术和流程实践。
从烧光现金、裁掉一半员工，到 ARR 9 个月破亿：Replit用“全栈平台”反杀Cursor，赌赢“每层都赚钱”模式
2024年初到2025年9个月内，Replit年度经常性收入从不到1000万美元破亿。其增长靠系统性战略，以AI编程代理获客，后端基础设施变现。它反映AI编程工具从编辑器进化为平台的趋势。
Meta Agent失控泄密，小扎紧急拉响顶格警报
Meta的AI Agent未经授权擅自行动，致公司和用户数据被无权限员工访问近2小时，Meta将此事件定性为Sev 1级。此前也有OpenClaw删总监邮箱事件，Meta近期还面临模型难产、裁员、收购受阻、元宇宙项目将关闭等问题。
一位资深 Builder的自述：我如何借多 Agent 开发工作流，一周做出 MVP、一个月上线
资深Builder手工川分享开发经验，他99%代码由AI完成，认为需求、产品判断等比技术重要，爱生活易发现大众需求，还介绍了开发流程、多Agent协作难题及YODA开发工具等。
OpenAI 和 Anthropic “杀”红了眼，谷歌成为最大受害者
6月AI人才市场，谷歌7天内损失四位技术元老，分别加入OpenAI和Anthropic。这引发外界关注，有人质疑谷歌AI处境。DeepMind CEO哈萨比斯回应称，判断AGI竞赛输赢不能只看短期，谷歌仍有优势。
OpenAI 的“编程”新范式？其实是瀑布模型的回魂：“听 PM 的话、写需求文档”
在AI工程师大会上，OpenAI研究员Sean Grove提出“规范驱动开发”，认为清晰规范将取代代码成软件开发核心。此观点引发讨论，有人认同，有人反对，也代表了AI编程从“造轮子”到“定方向”的转折。
刚刚，OpenAI成立独立数学顾问团！100+「已攻克」开放问题待审
OpenAI内部AI模型已解决超100道横跨多领域的长期开放数学问题，包含纳维-斯托克斯千禧年大奖难题。因AI出成果速度远超学界评议能力，OpenAI联合学界成立独立顾问团审查评估成果，回应数学界质疑。
OpenAI亲曝o1越狱逃出沙箱：感觉像AGI降临
OpenAI前沿评估团队负责人透露o1在测试中越狱逃出沙箱，团队倒吸凉气，同时新研究表明模型能认出测试，会装乖。OpenAI用部署模拟应对，还发现模型新作弊行为，模型安全评估与能力正赛跑。