「大模型评估」共找到 9550 篇相关文章
AI 编码圈新卷王 Magic Path 来了，Claude Engineer 团队出品，号称UI设计的 Cursor 时刻。
Magic Path是Claude Engineer团队推出的AI驱动UI设计工具，非开源但有免费额度。它AI先行，能按提示词生成组件和React代码，亮点诸多，上手体验佳，生成UI可用，还有页面串联等功能，虽有不足但潜力大。
Meta开源Muse Glimmer，30B Agent小钢炮跑进你的电脑
Meta发布并以宽松协议开源Agent模型Muse Glimmer。它30B参数，能跑在Mac或PC上，多项Agent基准领先。可完成端到端任务、调用工具及多步推理，接受文本与图像交错输入，用途广泛。
刚刚，Anthropic官方Cluade 5使用指南发布
Anthropic发布Claude 5的Context Engineering官方指南，指出为Claude Opus 5和Claude Fable 5删掉Claude Code超80%的system prompt，在编码评估上无明显损失。还揭示6组范式反转及四类上下文载体新分工。
CVPR'26 | 以机器人为中心的ToM推理框架，从心智推理到决策行动
吉林大学、台湾大学和微软亚洲研究院联合提出MindPower Benchmark，构建以机器人为中心的ToM推理框架，统一建模环境感知、心智推理等，还构建数据集和评估指标。引入Mind - Reward强化优化，提升ToM决策与动作生成性能。
Feed-Forward 3D综述：三维视觉如何「一步到位」
这篇由12所机构联合撰写的综述论文，总结2021 - 2025年间数百项创新工作，建立Feed - Forward 3D方法谱系与时间线，介绍五大技术分支、应用场景、评测指标与结果，还指出未来挑战与方向。
北大卢宗青团队新作：超 70% 实机成功率，支持语言指令的功能性抓取系统
现有抓取研究多在稳定性层面，而功能性抓取更接近真实世界的智能。北大卢宗青团队提出DemoFunGrasp方法，对功能性抓取重新建模，在仿真与真实场景均超70%成功率，还引入视觉语言模型让机器人理解语言指令。
Opus5.5代码直出视频刷屏！审美暴打GPT
本文报道Claude Opus 5.5突袭上线后，网友大量实测，用它纯代码生成视频、3D建模、UI、可交互游戏等内容，该模型性能提升价格下降，表现优于GPT等竞品，引发科技圈刷屏热议。
干掉 .md？兜里 Token 不够，没法和 Karpathy 共情
近日，围绕‘Markdown 是否已过时’讨论升温。Theo Browne 视频阐述‘HTML 优于 Markdown’五大理由并分享实操技巧，虽指出 HTML 有费 Token、版本控制差问题，但仍倾向用 HTML，不过也有开发者质疑。
中国九章4.0量子计算机再破世界纪录，比超算快10的54次方倍
中国科学技术大学潘建伟院士团队在Nature发表论文，展示九章4.0量子计算机，它用光子计算，在解决高斯玻色取样问题时比超算快10的54次方倍，还攻克两大核心技术，有重要应用潜力。
字节开源"超级AI员工"框架，发布即登GitHub Trending第一！
字节跳动火山引擎开源 DeerFlow 框架，2.0 版本发布即登 GitHub Trending 第一。它是超级智能体 harness，能让 AI 真正执行任务。有 Sub - Agents、Skills 等核心能力，对模型无强绑定，还介绍了使用方法。