「安全评测」共找到 1559 篇相关文章
Claude Opus 5发布，砍掉了Claude Code 80%的系统提示词
Anthropic发布Claude Opus 5，接近Claude Fable 5智能且价格减半，测评成绩出色，科研和视觉输出能力也有进步。同时发现砍掉Claude Code 80%系统提示词，编码评测分数不变，还总结出上下文工程新方法论。
全球首个AI专家市场上线！把你的绝活打包，数字分身7x24小时变现
全球首个AI专家市场「袋袋」上线，降低「数字分身」变现门槛。非技术专家自然对话，技术大佬用CLI模式上传项目文件。买家可按需雇佣专家，获专业成品。袋袋有多项技术，保障安全且能自进化。
同事群里催催催，龙虾自动回回回！刚发布的「飞书龙虾」把我解脱了
飞书在春季发布会升级类龙虾Agent——飞书aily，无需部署，能像助理一样工作。还升级了飞书妙搭Agent和多维表格Agent。实测显示，它们功能强大，能完成复杂任务，且安全可控，将AI转化为业务生产力。
万帧？单卡！智源研究院开源轻量级超长视频理解模型Video-XL-2
长视频理解是多模态大模型关键能力，当前开源模型有短板。智源研究院联合发布 Video-XL-2，多维度优化长视频理解能力，还设计效率优化策略，在主流评测基准表现出色，有广泛应用潜力。
狂揽4万星！换掉OpenClaw太爽了，5美元就能养个AI打工人
Hermes Agent是NousResearch推出的开源Agent神器，上线后在GitHub超4万星。它运行在用户服务器，有六大核心特性，能跨平台对话。技能自维护，形成记忆 - 技能 - 训练数据闭环，应用场景丰富，演进注重安全、稳定与智能。
追更太累，桌面版AI帮我把 OpenClaw 的剧情补齐了
作者因OpenClaw信息爆炸跟不过来，想到让AI帮忙。介绍了AI播客自动化案例及Cowork短板，引出天工Skywork桌面版。用其处理视频、监控AI社区，还构建安全屏障，该工具打通内容创作和信息监控闭环。
用「进化+压力测试」自动生成的竞赛级编程题，各家大模型谁更hold住？
北京大学与通用人工智能研究院联合提出 UniCode 框架，构建进化式评测系统，能自动生成高质量算法题目与抗污染测试用例。通过对 19 个前沿大模型测试，展现高挑战性与强判别力，为代码能力评估开辟新路径。
Mistral AI发布一站式编程助手Mistral Code
法国开源大模型平台Mistral AI发布一站式编程助手Mistral Code，旨在解决企业开发人员使用AI编码工具时的合规与安全障碍。它基于Continue开发，集成四个大模型，还能在私有代码库微调，获早期客户认可。
VLM会描述视频，却未必用对参考图：RefCaptioner让参考图与视频语义精准对应
多模态大模型处理多参考图与视频对应关系能力不足。为此提出 RefCaptioner，强化模型对参考图识别感应能力、优化输出格式与奖励函数；还构建 MRVBench 评测基准，实验显示其表现优异。
奥特曼马斯克豪言：我们已进入奇点！AGI加速窗口已至
新智元报道，奥特曼和马斯克都认为奇点已至，当下处于AGI加速窗口。OpenAI曾靠资源猛追让Codex逆袭。但AI发展也引发担忧，如人类能否保持理智、安全对齐进展不明等。