「感知级评估」共找到 1881 篇相关文章
Anthropic出手，一批Agent创业公司死去
Anthropic推出Claude Managed Agents，号称几天就能上线生产级智能体。它提供全托管、开箱即用的智能体基础设施，让传统SaaS公司与AI初创公司面临危机，AaaS时代正开启。
Omni-Effects：首个统一多特效生成框架
Omni-Effects是面向多样化定制视觉特效生成的统一框架，结合纯提示词驱动与空间感知提示，可精确控制特效位置。构建Omni - VFX数据集验证其有效性，在复杂场景有高鲁棒性。
刚刚，Anthropic官方Cluade 5使用指南发布
Anthropic发布Claude 5的Context Engineering官方指南，指出为Claude Opus 5和Claude Fable 5删掉Claude Code超80%的system prompt，在编码评估上无明显损失。还揭示6组范式反转及四类上下文载体新分工。
AGI只是硅谷的幻想？！AI科学家盛赞中国，并从物理学角度宣告我们永远造不出AGI
AI科学家Tim Dettmers在博客发文指出，计算需遵循物理定律，线性进步要消耗指数级资源，硬件升级红利已尽。他认为美国追求超级智能短视危险，中国重应用普及更务实，AGI不会发生，超级智能是幻想。
拼交付、主动找活干，3 月我们推荐这 18 款 Agent 产品
3月是AI产品发布密集期，出现一批主动干活的Agent产品。文章介绍18款产品，如Claude系列升级为个人AI操作系统，OpenClaw生态涌现多种商业形态，还有垂直场景Agent及上下文感知等产品。
Seedance 2.0之后，又一中国视频模型SkyReels-V4登上全球第二
昆仑天工发布SkyReels V4视频大模型，在Artificial Analysis Arena基准测试中排全球第二。它支持多模态输入、音视频同步生成等，采用独特架构与技术，经多阶段训练，有全新评估基准，表现出色。
Google Antigravity推出终端沙盒：AI助手终于不会乱删文件了
Google Antigravity推出终端沙盒功能，用内核级隔离技术限制AI代理终端命令在项目工作目录内，解决其误操作系统文件问题。该功能在macOS实现，Linux支持将到，用户反馈有好有坏。
6款小游戏难倒所有顶级VLM！愤怒的小鸟让它们全军覆没，性能不如随机猜测
淘天集团未来生活实验室提出首个系统性评估多模态大模型（VLM）交互式物理推理能力的综合基准DeepPHY。它集成六个物理环境，对17个主流VLM测试，揭示其在物理交互等方面短板。
具身智能体主动迎战对抗攻击，清华团队提出主动防御框架
面对对抗攻击，现有防御方法多为‘被动防守’，遇上未知或自适应攻击时效果衰减。清华朱军团队在TPMAI 2025中提出主动防御框架REIN-EAD，通过与环境交互实现‘感知—决策—行动’一体化，实验效果佳。
The Batch：836 | 基准测试成本攀升
独立AI测试实验室披露评估推理模型成本上升。这些模型生成“思维链”提升输出质量，但计算需求增加，成本上升使资源有限组织难复现结果，且新模型定价、按需分配推理token也让成本更复杂。