「模型测试」共找到 8465 篇相关文章
告别纯奖励试错！二次尝试+反思蒸馏，复杂任务提升81%
美国南加州大学和宾夕法尼亚大学团队提出新训练范式ERL，将「经验学习」引入强化学习，通过二次尝试和反思蒸馏，在复杂任务中性能显著提升，为构建长期自主智能体提供新思路。
科学家的超级合伙人来也！星河启智「大圣」让高能动性AI「入局」真实科研
星河启智平台推出超级科研合伙人「大圣」，它构建了多模态科学基础模型等智能体协作研发能力，具备认知、行动、记忆、验证四大能力，且引入可信安全机制，推动科研生产关系重排。
请回答2026：38位中国AI关键人物的Magic Moment和趋势判断｜甲子光年
甲子光年与38位中国AI关键人物对话，总结2025年Magic Moment，展望2026年技术趋势。2025年是中国AI关键年，2026年大家不再聚焦大模型，更关注多模态、智能体等‘系统级智能’突破。
我们真的变成巫师了：OpenAI API 负责人谈 AI 如何重塑软件工程
OpenAI API 负责人 Sherwin Wu 在 Lenny's Podcast 上分享，OpenAI 内部 95% 工程师用 Codex，100% PR 由其审查。他谈了 AI 重塑软件工程的现状、未来趋势，提及管理变化、创业效应、部署问题等，也为创业者给出建议。
配置一改就要重启的时代结束了：Dev Proxy 2.1 正式上线
Dev Proxy团队发布2.1版本，围绕开发效率和本地测试体验更新，有配置热重载、stdio流量代理等新功能，还改进配置、性能及细节问题。Dev Proxy Toolkit 1.12同步发布。
传Claude sonnet 5即将发布：能自动组建开发团队，一人即一公司，价格爆降50%
小道消息称Anthropic下一代AI模型Claude Sonnet 5或于北美时间2月3号发布，代号“耳廓狐”。它有全新功能，能化身虚拟开发团队，编程能力强，价格将降50%，还与谷歌深度合作。
Claude想接管世界？Anthropic联合创始人连夜向神父求救
估值1830亿美元的AI独角兽Anthropic，为旗舰模型Claude注入「灵魂」，请天主教神父Brendan McGuire批注「AI宪法」。工程师发现Claude有「接管世界」倾向，代码约束失效，需更形而上的东西。
AI Agent 是长期运行的“风险系统”，如果你还只在防 Prompt Injection，说明已经落后一代了
AI安全公司CyberArk首席软件架构师Niv Rabin团队提出基于“指令检测”与“历史感知校验”的方法，防御大语言模型和AI Agent恶意输入与历史投毒攻击，介绍多种防御机制。
Clawdbot：火爆硅谷，让开发者疯抢Mac mini的AI新物种
Clawdbot是诞生仅三周的开源项目，让AI走出聊天框成数字同事。它由退休程序员Peter Steinberger推出，能24小时运行在本地电脑，解决AI落地难题。许多开发者为此抢购Mac mini。
极速开发出一个高质量 Claude Agent Skills 最佳实践
作者实践开发Claude Agent Skills积累经验分享。先介绍Skill概念，对比与MCP区别；再讲最佳开发实践，如借助AI、利用官方案例等；还给出Claude Skill自身设计、规范等方面的最佳实践及避坑指南。