「大模型测试」共找到 9855 篇相关文章
千支队伍争锋！首届「启智杯」算法大赛圆满落幕，助推AI应用落地
2025年5月20日启元实验室启动「启智杯」算法创新应用挑战赛，7月25日落幕。赛事设三大赛道，吸引1022支队伍参赛。华南理工大学、陕西师范大学、西北农林科技大学及中山大学团队分获冠军，方案为行业提供启示。
研究显示：AI 并没有提升编程效率，它反而让你变慢了19%
METR研究显示，16位资深开发者在真实项目测试中，使用AI工具效率降低19%。分析发现，编写提示词、等待响应等耗时多，保留代码仅44%。研究指出多因素致效率低，网友看法不一。
AI 造谣，无人能幸免。
文章以现实中谣言传播现象为引，指出移动互联网加速谣言传播，而AI技术发展使真假更难分辨，如AI生成的图片、视频易以假乱真，还提到谷歌发布水印检测工具应对，呼吁大公司行动。
33%！Claude、GPT、Gemini 在真实网站上集体翻车，ClawBench 把 AI agent 打回原形
ClawBench让AI在144个真实网站执行153个日常任务，结果惨烈，如Claude Sonnet 4.6每三任务翻车两个，GPT - 5.4仅完成10个。它还揭示AI在真实环境的问题，为评估模型提供标尺。
没有头，没有脚，还能三折叠，周衔团队发布首款「非人形」机器人
机器人创业公司Genesis AI发布首款通用机器人Eno，它是轮式且配机械臂，无腿无头部，外壳颜色可定制。其由自研模型GENE驱动，预计2026年Q4发货，落地从工业到生活场景。
SpaceX一分现金没花收购Cursor，马斯克吞下AI编程工具第一名
SpaceX在IPO第四天，以600亿美元全股票方式收购AI编程工具Cursor母公司Anysphere。Cursor商业增长快，但市场份额下降且算力不足。收购是马斯克算力布局收尾，还将发布联合模型及编程代理工具。
Harness Engineering又他妈是啥？
AI圈新词Harness Engineering引发关注。它类似给AI套缰绳，让其运转更高效。通过案例表明，模型非瓶颈，环境才关键。还介绍不同实现方式，指出命名有价值，最后探讨培养新人设计harness的问题。
史诗级痛点修复！GPT-5.3 Instant 突发上线：写作，语气，准确度全面升级
ChatGPT目前使用率最高的模型GPT-5.3 Instant正式上线，核心优化用户日常交互体验，解决此前反馈强烈的痛点，如削减拒答与说教、让对话更自然、优化联网搜索等，还降低幻觉率，提升写作辅助能力。
字节开源版Seedance发布，超越Sora 2！
字节Alive团队发布开源版Seedance 2.0，在人类评估中超越Sora 2等。它通过统一架构、时空对齐技术和非对称训练策略，解决声画不同步和画质音质难两全问题，还建立数据流水线和测试基准。
两招为GraphRAG图谱“提纯”，DEG-RAG效果有点炸~
文章指出传统RAG多跳推理和全局一致性能力受限，Graph - based RAG虽好但图谱噪音大。作者提出Deg - Rag方案，含实体消歧和关系反思两招。实验显示去噪后图谱效果提升，验证“Less is More”理念。