「自动化评测」共找到 1121 篇相关文章
AI开始研究Physical AI：FSD级团队亮出首版模型Simate-beta，空降RoboDojo
本文介绍成立仅三个月的Simate公司，核心团队曾打造对标特斯拉FSD的智驾系统，现已推出首版通用物理快系统Simate-beta，登顶RoboDojo，采用AI-native自动化体系研发Physical AI，已开启AutoResearch平台内测，完成多轮数亿元融资。
5000万用户、5000万美金ARR，全球第一AI创作消费平台要做AI时代Roblox
在AI大模型军备竞赛中，用户侧出现‘智能过剩’。SeaArt成立两年半成全球访问量第一的AI内容创作社区，其2.0版本SeaVerse实现全流程自动化。该公司不陷‘卖模型’陷阱，商业模式独特，有望成AI时代全民级内容平台。
模力工场 030 AI 应用榜：字节新品硬刚 Sora，“随变”登顶榜首
模力工场第 030 周 AI 应用榜揭晓，32 款应用上架，从社区声量高的应用中精选十款。涵盖创作、学习、智能自动化、心理疗愈等领域，上榜应用凸显 AI 从‘简单生成’向‘深度交互与高效执行’转变趋势。
初探：从0开始的AI-Agent开发踩坑实录
作者分享从0开始开发AI Agent实现开源应用Helm Chart自动化生成的历程。介绍了定义角色、明确AI能力边界等开发要点，尝试三种Agent范式，还提及实践痛点如AI可观测性不足、Prompt工程困境等。
李曼玲、李飞飞、吴佳俊等联手：评估具身大模型的新范式！
全新的具身模型空间能力评估范式Theory of Space突破传统局限，考察模型在动态环境构建、修正和利用空间信念的能力。该论文被ICLR 2026接收，研究对前沿多模态大模型评测，揭示其空间认知能力边界。
刚刚，腾讯姚顺雨署名首篇论文发布，「下半场」先搞上下文学习
腾讯混元团队和复旦联合团队发布姚顺雨署名首篇论文《CL - bench》。论文证实模型在上下文利用上有能力短板，还构建了CL - bench评测基准，评估发现前沿模型在上下文学习上表现差，未来要让上下文学习走向现实。
别被室内基准高分骗了：大模型是在推理空间，还是在「背答案」？
2025年，空间智能成大模型竞争新热点，模型在室内基准上分数飙升。但因训练与测试数据同源，其提升或只是“背答案”。中科院大学等机构发布OSI - Bench重新审视大模型空间能力，评测显示当前提升可能是虚假繁荣。
马斯克开始用Grok替代员工了！最惨部门裁员90%
据The Information消息，马斯克用Grok取代X员工，负责信任与安全问题的工程团队从超100人裁至不足10人。他意图用AI替代人力、自动化替代传统工程，还推进“巨硬计划”，但也带来权责不对等、安全问题和业务受阻等风险。
AI Agent 距离真正替人「全自动办公」，还有多远？
Meta、微软和 xAI 被曝监视员工操作来训练 AI，原因是真实办公中 AI Agent 表现不佳。SaaS - Bench 评测显示顶级大模型表现糟糕，智能体存在长周期任务脆弱、跨应用错误放大等问题，未来 SaaS 软件或需为 Agent 重新设计。
中国AI登顶全球之巅，顶流女团MV燃爆开场！AI音乐奇点已至
昆仑天工发布Mureka V8音乐大模型，基于MusiCoT技术，在音乐性、人声表现力和编曲层次等方面显著提升，使AI音乐达「可发布」级别，评测超Suno V5，还与太合音乐合作，欲打造全球AI音乐第一平台。