「AI评估」共找到 10069 篇相关文章
The Batch: 952 | GPT-5.5 性能领先，但幻觉问题突出
OpenAI 最新旗舰模型 GPT-5.5 是闭源视觉 - 语言模型，在重要基准测试中表现领先，但在区分已知未知内容上有困难，幻觉问题突出，在主观评估中落后于对手。
北大开源统一世界模型框架：多类合成推理任务一套搞定
世界模型研究中，不同任务存在接口不统一等问题。北大DCAI课题组联合多方推出OpenWorldLib推理框架，整合多模态能力，构建标准化接口体系，在多任务上评估效果良好，降低研发门槛。
分享一个 OpenClaw 装机必备 Skills 库
腾讯推出代装龙虾公益活动引关注，OpenClaw创始人也转发。GitHub上的awesome - openclaw - skills项目爆火，收录超五千个OpenClaw装机必备Skill，覆盖多场景，还呈现AI Agent发展趋势。
MiniMax 上市后的第一个开源：给 Coding Agent 立个规矩
2026 年初 MiniMax 成功上市港股，市值达 1100 亿港币。其上市后首个开源项目 OctoCodingBench 聚焦 Coding Agent 评估，解决规则复杂时 Agent 合规问题，为其立规矩，有重要社区价值。
Gemini 3 上线两周，ChatGPT 日活下降 6%，Altman 内部信拉响红色警报
2025年12月初，AI领域权力转换，Google新一代多模态模型Gemini 3挑战ChatGPT。自其发布两周，OpenAI日活降6%。Sam Altman发内部信拉响警报，要求聚焦提升ChatGPT核心体验。
马斯克1万亿美元薪酬方案获批！
特斯拉年度股东大会上，马斯克1万亿美元薪酬方案超75%票数获批。该方案分12期解锁，绩效目标难度极高。同时，董事会对投资xAI表态，机器人和AI将成特斯拉未来战略重点。
Midscene.js 实战与源码剖析：如何重塑 UI 自动化
本文介绍Midscene.js这款基于AI的下一代UI自动化工具，剖析其设计动机、架构、原理及源码，结合业务场景分享问题与思考，还对比类似工具，给出试用配置和使用建议。
重构开发体验：CodeFuse 智能代码助手的设计与实践
蚂蚁集团技术专家牛俊龙在 QCon 大会分享 CodeFuse 智能代码助手架构设计与实践，介绍本地核心服务设计策略，结合案例优化其 AI 能力，还分享落地经验、教训与未来发展路径。
突发 | Meta 挖走的OpenAI 核心研究员Jason Wei，离职前留下这样的一段话
OpenAI研究员Jason Wei和Hyung Won Chung跳槽至Meta，Wei在离职前发推文分享强化学习感悟及验证不对称性概念，引发网友猜测与共鸣，这场AI人才争夺战正愈演愈烈。
小扎开价14亿让他换个地方打工，库克连挽留尝试都没有
苹果基础模型团队负责人庞若鸣跳槽Meta，原因是扎克伯格给出约14亿人民币薪酬包。Meta为挖顶级AI人才不惜重金，其超级智能实验室薪资远超正常水平，引发内部文化争议。