「AI测试集」共找到 10975 篇相关文章
紧跟诺奖得主，斯坦福经济学泰斗火速入职Anthropic！
IPO敲钟前夜，斯坦福经济学教授Charles I. Jones（Chad Jones）将加入Anthropic研究所。该公司正组建‘政经智囊团’，因民调显示64%美国人恐慌AI夺饭碗，需Chad Jones用经济学模型应对。
Claude Code 修了几个小 bug，却揭开了 Agent 落地的大麻烦
Anthropic给Claude Code发的更新，看似是修小bug，实则指向AI编程产品正从“模型会不会写代码”转向“Agent能否稳定完成任务”，暴露了工具状态、权限边界等执行问题。
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。
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。
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。
这个框架让大模型省下50%内存，合并专家不如直接删掉？
Cerebras Research提出REAP框架，通过专家剪枝和合并技术压缩SMoE模型，能让模型‘瘦身’并保持性能，可省50%内存，但社区测试有不同结果，且存在调度开销等问题。
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。
字节Lynx：从单张图像生成高保真个性化视频
字节推出高保真个性化视频生成框架Lynx，基于开源的Diffusion Transformer，引入ID - adapter和Ref - adapter，在基准数据集表现优异，能平衡身份保真度等，还可拓展至多模态和多主体。
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。