「内测结果」共找到 954 篇相关文章
你的「龙虾」真记得你吗？剑桥发布长期个性化记忆基准ATM-Bench
剑桥大学团队开源面向AI个人助理的长期记忆基准测试ATM - Bench，评估AI面对真实生活数据时能否「记住你」。实验结果不佳，专用和通用智能体系统准确率低，凸显长期个性化记忆问答难题。
Vidu Q3：「参考生」之王，让视频生成走向工业化量产时代
Vidu Q3 上线「参考生」功能，解决 AI 视频生成结果不可控问题。其画面参考范围扩大，特效、音效提升显著，还优化特定场景，接入企业级能力，让 AI 视频从创意验证走向实际生产。
GitHub 如何用 AI 重构反馈处理机制
GitHub 引入由 AI 驱动的工作流，将无障碍反馈转化为工程工作。系统基于 GitHub Actions、Copilot 和 Models APIs 构建，集中管理报告、分析合规性、协调问题解决。采用后问题解决比例提升，时间下降。
The Batch: 939 ｜在推理阶段学习长上下文
大型语言模型处理长上下文时通常准确性降低、速度变慢，研究人员提出TTT - E2E方法，通过推理时训练模型将上下文压缩到transformer权重中，还展示了其运作方式、测试结果等。
彻底封杀！Anthropic第四刀砍向龙虾，开发者哀嚎，两大创始人互喷！
前天Anthropic封杀OpenClaw订阅额度后，24小时内又在官方轻量化命令行工具查人，提示词含“OpenClaw”就返回400错误。两大负责人隔空交火，开发者各寻出路，这或成Anthropic战略失误。
全球顶尖大模型一夜惨遭血洗！最难测试人类拿满分，AI第一名得0.2%分
全球最难AGI测试ARC - AGI - 3上线，人类满分通关，最强模型Opus 4.6仅得0.2%。测试从静态题变为互动游戏，评分看效率。前沿大模型得分低，非LLM方案表现更好，AI缺乏元认知能力。
全民养虾，百虾大战，但2026年了，99%的企业用AI还是没赚到钱。
2026年，99%企业用AI未盈利。如今模型性能差距小，壁垒在context。Data不等于Context，企业需挂钩业务结果、构建反馈闭环与专属上下文系统。特赞GEA是这样的企业级智能体系统。
三点十四分的狗
文章指出AI记忆面临诸多困境，如记不住、记太多，还有记忆审计和沉淀判断力等问题。作者认为遗忘是记忆系统的重要功能，AI应学会主动遗忘，谁先解决此问题，谁就能做出真正懂人的AI。
12个Ai编程Agent同台PK，最贵的不一定是最强的
上海交大和美团联合发布PRDBench论文，将12个主流AI编程Agent放入50个真实Python项目测试。结果显示，基础模型写代码强，商业版调试优势明显；专门训练的裁判模型比通用大模型靠谱。
ChatGPT这次对数学教育动了真格，家长学生都不用愁了
OpenAI针对数学和科学学科抽象难学问题，推出ChatGPT动态可视化交互解释新功能，从超70个核心概念起步，可让用户拖动变量、调整公式，实时观察结果变化，今日面向全球已登录用户开放。