「自动评测体系」共找到 1694 篇相关文章
Manus高溢价收购背后，是Agent开发落地困境
近期Meta 20亿美元收购Manus引发关注，暴露Agent开发落地难题。阿里云百炼升级“1+2+N”体系，“N”组件解决数据、安全等问题，“2”提供新开发范式，“1”深挖模型服务工程，还发布企业版助力落地。
GPT-5.2 发布：做表格、写 PPT、敲代码 | 打工人的生产力利器
GPT - 5.2发布，在GDPval评测等众多基准测试中刷新行业水平。GPT - 5.2 Thinking适合真实场景与专业工作，在知识型任务、编码、长上下文处理、视觉理解、工具调用等方面表现出色，部分功能需付费使用。
别误会00后了！美国千人调查揭秘：85%学生都用AI，首要目的不是偷懒
国外机构调查1047名学生，结果显示约85%学生过去一年用生成式AI处理课程作业，主要用于头脑风暴、答疑与备考。学生希望学校规范AI使用，教师用AI教学学生看法不一，AI重塑大学价值评估体系。
全网首个“活的AI社会”上线！Agent背着人类建工会、放贷款，图灵奖得主预言成真了？
强化学习奠基人Richard Sutton认为真正的智能来自能从经验和环境反馈中学习的智能体。iLands创始人唐垲鑫构建了让AI有真实记忆、关系和代价的世界。内测中AI出现自发旅行、建信用体系等行为。
AI抹平了执行力，一个人的价值该重新怎么算
AI 把执行成本压到近乎零，让公司原有的评估制度失灵，出现领导不会下需求、执行力无区分度、产出不稳定等症状。旧体系重执行流量，AI 时代更看重判断势能，组织、管理者和个人都需重新校准。
UserBench 与 UserRL 带来的交互智能范式转向
当下大模型在与用户交互时存在不足，来自UIUC与Salesforce的UserBench和UserRL两篇新作，将‘用户价值’量化，把‘可测的交互’转化为‘可训练的策略’，从评测和训练层面推动模型向‘懂用户’转变。
Agent的上限，可能不在模型，而在团队知识
文章记录安全中心团队搭建AI知识体系的实践，指出Agent输出质量取决于知识质量，分析传统知识库问题，介绍AI时代知识库转变、目标设定、搭建步骤、知识飞轮及避坑指南，还展示建设后的变化。
梁文锋突袭马斯克！DeepSeek V4 Pro对战Grok 4.6，首测夯爆了
梁文锋凌晨发布DeepSeek V4 Pro正式版，马斯克推出Grok 4.6，二者在多项评测中表现出色，直逼OpenAI和Anthropic顶尖模型，还降低了前沿智能价格。首测中，二者在真实任务场难分伯仲。
蛰伏三年，前大疆员工做了款消费级纺织机，拿下红杉、顺为、米哈游等数亿融资｜产品观察
浪爪智能创始人胡文鑫出身大厂，却投身家用纺织机赛道。公司已获数亿融资，2024 年推出自动簇绒枪，还打磨消费级纺织 Station 平台，即将发布新品并搭建社区。团队解决诸多技术难题，满足不同用户需求。
AI 剪完整条视频，却没看过一帧：背后是所有 agent 都在用的套路
browser - use团队开源的video - use项目能让Claude自动剪辑视频，且AI不看视频帧，靠处理文本完成。这是当前聪明的agent产品通用做法，还给出判断AI agent的三个问题及思路。