「可验证智能」共找到 7302 篇相关文章
GPT-5得分不到0.4！法律+金融最大规模基准：1.9万+专家评估准则
新推出的PRBench基准可测AI在金融和法律领域表现。它有19356条专家评估准则，是该领域最大公开基准。顶尖大模型在困难子集得分低，还独创经济路径分析维度，约30%任务为多轮对话，揭示了AI在专业领域的不足。
让AI像人类一样认知真实世界！UCLA谷歌强强联手，长时记忆+3D空间理解超越基线16.5%
如何让AI在3D环境中像人类一样思考，是具身智能领域难题。UCLA与谷歌团队带来3DLLM - MEM模型与3DMEM - BENCH基准，让AI有构建、维护和利用长时记忆能力，实验超基线16.5%，但有依赖模拟器预设的局限。
刚刚，DeepSeek V4 Pro正式版发布！
周三晚间，DeepSeek 突然发布 V4 Pro 大语言模型正式版，命名为 DeepSeek - V4 - Pro - 0813，官方未调升 API 使用价格。有用户称调用的 V4 Pro 思维链风格有变，跑分显示其 Agent 评测表现可媲美顶级模型，还撞车了马斯克的 Grok 4.6。
机器人“真干活”，为什么宁德时代选择了银河通用？｜甲子光年
宁德时代与银河通用签署全球战略合作协议，推动具身智能机器人在全球市场拓展及规模化应用。银河通用重载机器人Galbot S1已在宁德时代产线作业，其核心技术“银河星脑”能让机器人适应复杂环境。双方还在服务体系上合作，补齐规模化部署短板。
74岁“酒鬼”教授终于拿诺贝尔化学奖了
今年诺贝尔化学奖授予北川进、理查德·罗布森和奥马尔·M·亚吉，以表彰他们在MOF上的杰出贡献。MOF是一种金属有机框架材料，有特殊多孔结构，可用于收集水、捕获二氧化碳等。北川进被称为PCP之父，他的研究源于对酒的热爱。
对话百度文库：不做大模型能直接做的事，能力积累换来竞争壁垒｜AI产品Time
百度文库从文档检索平台转型为一站式AI内容获取和创作平台，付费用户超4000万，AI MAU近亿，智能PPT访问量全球第一。访谈中，负责人分享产品理念、优势及运营经验，如不走大模型能直接做的事，从用户需求出发开发功能等。
本体建完就能出应用：Palantir 把数据资产变成了产能
Palantir 宣布 Foundry Pilot 正式 GA。该工具支持通过自然语言围绕企业业务本体（Ontology）生成应用，覆盖自动建模、OSDK 数据调用及审查部署。
奥特曼和Dario同台唱rap！Genspark新视频Agent上线，零基础也能拍短剧
Genspark 上线视频创作工作台 Media Studio，接入 20 多家厂商的 70 多个模型，覆盖剧本、生图、视频、音频到剪辑的全流程。
刚亮相就传被英伟达收购：Gemini 老兵团队凭什么还敢押注 Coding Agent？
本文是InfoQ编译的科技播客访谈，Reflection AI由前Google DeepMind Gemini团队成员创立，近期发布了5010亿参数的开放大模型Beam，主打编程、推理和智能体任务，发布一周后传出英伟达拟收购该公司的消息，访谈中分享了对开放模型诸多问题的观点。
DAA：李厂长在 Agent 时代给了个新坐标
作者参加百度Create 2026，李彦宏提出DAA（日活智能体数）概念，认为衡量平台和生态繁荣应看此指标，还预测未来全球DAA超100亿。对比Token，DAA是结果视角，更像Agent时代价值坐标。百度多款产品展示了Agent能力，还提出“芯云模体”新全栈。