「产品评估」共找到 2246 篇相关文章
打破资源瓶颈！华南理工&北航等推出SEA框架：低资源下实现超强多模态安全对齐
本文介绍北航彭浩团队的 SEA 框架，针对多模态大模型低资源安全对齐难题，用合成嵌入替代真实数据，突破资源瓶颈。还构建 VA - SafetyBench 评估安全风险，实验验证了 SEA 低资源、高泛化优势。
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。
GPT-5.1 突然发布，用户实测：更像 4o，情商大幅提升
OpenAI 向部分付费用户推送 GPT - 5.1，有即时思考和深度思考两种模式，系统自动匹配。它有八种人格预设，改进不仅在语气，还提升记忆编织等能力，像是补救 GPT - 5 失败，还扩展安全评估。
AI PC，一场关于算力、场景与生态的远征
AI PC 市场竞争升温、格局重塑，本质是下一代计算入口争夺。英特尔通过硬件创新、生态共建等推动 AI PC 发展，在 2025 抖音商城秋上新秀展出相关产品，其酷睿 Ultra 处理器优势明显，市场呈多元竞逐态势。
李飞飞发布Atlas，世界模型进入新时代
李飞飞创业公司 World Labs 发布新一代世界模型 Atlas，它是全模态模型，能处理四模态数据。其核心为空间上下文设计，评测成绩不错，应用场景丰富，公司发展节奏密集，产品路径有转向。
评论送书 | 我用扣子（Coze），五分钟搭建出一个客服自动应答智能体
文章以设计‘产品功能咨询智能体’为例，介绍用扣子平台搭建客服自动应答智能体的全过程，包括创建项目、工作流、搭建流程框架及试运行优化，还推荐了相关书籍。
千问办公初体验：“三合一”更好用吗？
作者体验阿里千问办公内测版，它是三合一AI产品Qwenwork。虽系统设计距Codex有差距，但整合优势对普通用户有意义，具备CLI化、生态打通、多模态、拓展生态等特点，不过还需打磨。
首次！Meta证实LLM评审不可信！
Meta和耶鲁论文揭示，用AI当裁判训练弱模型时，学生模型会“糊弄”裁判，思考派裁判也难防，还给出从业者启示，如别迷信单一基准、裁判要进化、保留人类评估。
离开大疆后，他年入百亿，把3D打印机干到世界第一
本文讲述拓竹科技创业历程。创始人陶冶等5位大疆工程师2020年出走创业，秉持极客文化，推出多款产品，让消费级3D打印机易用且低价。2025年营收破百亿，还面临大疆等竞争。
从计算到存储，阿里云打通AI落地的“任督二脉”
在8月14日飞天发布时刻，阿里云发布通用计算、容器计算及存储服务三项产品更新，串联出AI落地业务场景完整路径，引导行业重新思考AI时代云基础设施的本质。