「AI工作能力」共找到 11531 篇相关文章
斯坦福临床医疗AI横评，DeepSeek把谷歌OpenAI都秒了
斯坦福最新大模型医疗任务评测，构建含35个基准测试的MedHELM综合评估框架。结果显示，DeepSeek R1以66%胜率领先，o3 - mini等模型也各有表现，还分析了成本效益。
Cursor 内置三大文档工具，为AI 编程注入精准上下文
大模型编程易因知识陈旧致代码出错，为其提供实时上下文是关键。Cursor 有 @Docs、@Web、MCP 三大文档工具，能处理不同文档，还可协助创建和更新文档，弥合模型知识与项目需求的鸿沟。
何恺明等降维打击！彻底颠覆AI生图，无需预训练一步到位
何恺明团队推出生成模型MeanFlow，它跳脱传统训练范式，无需预训练等，仅一次函数评估就能完成生成。在ImageNet 256×256上表现优越，缩小了一步与多步模型性能差距。
OpenAI发力AI应用！前Meta产品总裁将任应用部门CEO
Sam Altman宣布生鲜电商平台Instacart首席执行官Fidgi Simo加入OpenAI，担任新设立的应用部门CEO。该部门将整合业务和运营团队，推动研究成果惠及全球用户，实现规模化扩张。
Claude 5.1来了，但最强能力只向少数机构开放
9月1日，Anthropic发布Claude Fable 5.1和Claude Mythos 5.1，二者用相同底层模型，区别在安全限制和开放范围。Fable面向订阅用户和企业，Mythos仅向少数审核机构开放，此次还尝试新的开放方式。
刚刚，翁荔博客又上新：通过Harness工程实现AI自我提升
翁荔新博客聚焦Harness Engineering，梳理围绕‘Harness自我优化’的研究，探讨递归式自我提升发生层面，还指出自动化研究和自我提升系统面临的瓶颈，如评估标准模糊、奖励作弊等。
GPT-5.5反杀Claude登顶，AI编码旧榜不准了？
Datacurve推出新基准DeepSWE，号称「零污染」，用113道原创题挑战旧编程榜单。它使GPT和Claude名次逆转，揭示旧基准验证误差大、存在作弊现象，虽有局限，但反映编程基准竞争转向抗污染和验证可信。
重生之我在AI时代当老板：让一群Agent互相PUA
MiniMax推出新Agent Mavis，可组建团队完成任务。其Agent Team分工明确，能解决单Agent在长程任务中的痛点，还将开源。此外，TokenPlan和Agent Plan合并，性价比提升。
刚刚，美国AI霸主换了！Anthropic年收300亿，碾压OpenAI
外媒披露Anthropic年化营收达300亿美元，超越OpenAI的240亿。Anthropic由OpenAI前员工创立，15个月营收翻30倍，训练成本仅为对手四分之一。其80%收入来自企业端，而OpenAI陷入‘增收不增利’怪圈，内部也矛盾重重。
谷歌开源“Agent Skill 超级工具箱”，云、库、引擎、AI全线打通，开发者狂喜
在大模型竞争白热化背景下，谷歌为解决开发者难题推出 Agent Skills。官方仓库含多项技能，涵盖谷歌云核心服务及架构支柱技能，还提供常见任务流程指南，兼容多平台，能省开发代码。此前还有 Addy Osmani 开源的技能库。