「基准构建」共找到 2650 篇相关文章
ICML 2026｜让AI自动发现前沿风险：创智×复旦×牛津发布AutoControl-Arena
当AI智能体走向真实应用，前沿风险藏于复杂长尾场景，难以靠人工覆盖。创智、复旦、牛津联合发布AutoControl Arena框架，自动合成可执行测试环境，还构建X - BENCH验证，已在GitHub开源。
Claude封杀龙虾后推自家Agent服务，又被开源平替了
Claude推出“企业版”服务Claude Managed Agents，是支持模块化组合的API套件，可帮企业构建和部署智能体。但刚发布就被开源项目Multica抢风头，后者在GitHub已获2.6k Star。
警告：你的Agent可能无法"解决"真实世界的视觉问题
文章提出 AgentVista 评测基准，含 209 道任务，横跨 7 大领域 25 个子方向。评测 14 个主流模型，最强的 Gemini - 3 - Pro 准确率仅 27.27%，揭示多模态 Agent 在视觉理解、工具调用等方面挑战大。
训练机器人方式对了吗？英伟达DreamZero双榜第一新反思
NVIDIA的DreamZero在RoboArena和MolmoSpaces基准测试双登顶。分析文章《Why is DreamZero so good at robotics?》从多维度拆解其表现突出原因，质疑传统认知，如数据量并非万能，模型规模和信息输入方式也很关键。
攻克大模型「表格盲区」！ST-Raptor框架发布，实现复杂半结构化表格的精准理解与信息抽取
半结构化表格布局多样、结构复杂，让自动化数据处理困难。上海交大等团队发布 ST - Raptor 框架，提出 HO - Tree 数据结构及树上操作，构建 SSTQA 数据集，提升表格问答准确率，弥补大模型处理短板。
甲骨文副总裁吴承杨：AI 放大了数据优势，数据融合至关重要
甲骨文公司副总裁吴承杨认为 AI 放大了数据优势，多模融合数据库至关重要。对比传统开源数据库，Oracle 能精简编排步骤。嵇小峰指出企业构建 Agent AI 要关注数据需求和安全。
商汤医疗再获超5亿元融资，估值突破10亿美元
商汤医疗年初完成超5亿战略融资，估值破10亿美元。其走医疗世界模型路线，构建独特产品迭代体系，与超500家医院、多家药企及器械企业合作，推进全球化布局。
继Anthropic后，Google放出5个常用的Agent Skill设计模式
Google Cloud发布指南，总结五种Agent Skill设计模式，含完整ADK代码示例，如Tool Wrapper、Generator等。各有应用场景且可组合，能避免将复杂指令塞在system prompt，构建可靠agent。
X平台如何决定你看到什么？马斯克刚刚开源了X推荐引擎
马斯克开源X平台推荐算法，消除人工干预特征，靠Grok模型理解用户行为。系统由编排、存储和机器学习层协同，经复杂机制精准推送信息，还构建后置过滤体系保证内容质量。
看到苹果和谷歌重磅联合声明的时候，我正在用 Gemini 写代码
苹果与谷歌达成合作，下一代Apple Foundation Models将基于Google的Gemini模型和云技术构建，为Apple Intelligence功能提供底层支撑。此前Apple Intelligence节奏慢、能力跳票，苹果或借Gemini补短板。