「评测系统」共找到 2235 篇相关文章
Claude爆火研究漏引华人团队成果，已挨打立正道歉
Anthropic新论文研究Claude“情绪机制”，漏引华人团队Chenxi Wang去年10月论文。经沟通，A社已道歉并更新博客引用。华人团队论文首篇系统研究LLMs情绪机制，解答核心问题，成果显著。
The Batch: 928 | 无人机袭击波斯湾数据中心
伊朗无人机袭击中东三个亚马逊数据中心，致在线服务中断。美国军方用 AWS 运行 Claude 等系统。AI 在战争中作用上升，加速决策但也带来致命错误风险，作战节奏向“机器速度”转变。
Lumina-DiMOO：多模态扩散语言模型重塑图像生成与理解
上海人工智能实验室推出多模态扩散语言模型 Lumina - DiMOO，它基于离散扩散建模，打破多模态任务壁垒。相比传统自回归架构模型，它解决了生成慢、质量受限等问题，在多项评测中夺魁。
深谋科技独家发布真正为人类服务的新一代人形机器人核心技术「声波传感 · 意念控制 · 高精视觉 · 类脑智能」
2025世界人工智能大会7月将举行，深谋科技作为精英合作伙伴参展。其秉持服务人类理念，携系列核心技术亮相。有独创传感系统、脑机交互方案等，还将推通用具身智能世界模型。
你的 AI 助理一闭嘴就在「发呆」？上交大 ProAct：把 Agent 的空闲时间变成生产力
上海交通大学 APEX 实验室提出 ProAct 架构，能把对话空闲时间转化为主动准备机会。它有预测、筛选、交付三级流水线，经 ProActEval 评测效果佳，证明算力用对地方更重要，让 Agent 能提前为用户准备。
我在手机上也能操作AI OS
作者介绍其AI操作系统，由OpenCode加newtype Profile插件及内容仓库构成。此前只能桌面端操作，现通过OpenCode服务器模式和Discord bot，实现手机与系统打通，让记忆资产随时可用，提升内容生产效率。
Docker 通过 Cagent 提供 AI 代理确定性测试
AI 代理系统普及，工程团队面临测试概率性输出的挑战。Docker 的 Cagent 是一种 AI 代理确定性测试方法，采用 proxy - and - cassette 模型，虽处早期，但揭示了 AI 代理测试的不同方向。
Clawdbot为何大火？
LLM记忆问题是业界难题，Clawdbot采用极简方式破解，用写Markdown实现记忆。其记忆系统优势明显，如极简易用、透明可控等，但也有劣势，像数据扩容能力有限、功能扩展性不足等。
阿里开源SmartResume，简历解析无需手工
阿里在Hugging Face和ModelScope上开源智能简历解析系统SmartResume，能将多种格式简历转为结构化数据，分三阶段工作，性能优于基线方法，为HR和开发者提供工具。
首个MCP架构、只50行代码就能实现高效RAG的开源框架UltraRAG 2.0
检索增强生成系统（RAG）复杂度提升，使科研人员面临高昂工程实现成本。清华大学、东北大学、OpenBMB等联合推出UltraRAG 2.0，基于MCP架构，降低技术门槛与学习成本，让科研专注创新。