「AI模型测试」共找到 13980 篇相关文章
超越Claude Mythos和GPT-5.5！斯坦福Agent验证框架拿下SOTA，Transformer作者转发
斯坦福、伯克利与英伟达联手打造LLM-as-a-Verifier验证框架，该方法是通用验证机制，可与任意Agent Harness和模型结合。研究表明扩展验证阶段计算量，能提升Agent整体性能，在多基准测试中超越Claude Mythos和GPT - 5.5。
音频全能王炸！小米MiMo-Audio开源，力压Gemini/GPT-4o！
小米团队开源通用音频大模型MiMo-Audio，集多种功能于一身，支持7国语言零样本克隆和中英混合合成。首包延迟低，效果自然稳定。在多个基准测试中表现优于Gemini-2.5-Flash和GPT-4o-Audio。
逆天! Claude Opus几小时攻破C++大神4年死磕Bug
Reddit上有30多年C++开发经验的大神ShelZuuz，被一个困扰四年的Bug折磨，投入约200小时未解决。用Claude Opus几小时就找到症结，而此前GPT - 4.1等模型都失败。大神认为AI在编写新代码上像初级开发者。
Demo秀终结，机器人连干8小时不歇！智元定义「部署态」
4月17日智元合作伙伴大会上，智元创始人定义2026为「部署态」元年，即机器人在真实场景7×24小时自主干活。大会首提XYZ曲线产业发展框架，还发布七大生产力解决方案，展示四大新本体、六大AI模型等成果。
独家丨商汤科技将成立独立的具身智能公司
AI科技评论独家消息，商汤科技将成立独立具身智能公司，核心班底有王晓刚、陶大程等大咖，正在招人。此前商汤已布局该领域，今年4月展示成果、达成合作，WAIC将发布大模型及平台。
亲手造出砸自己饭碗的怪兽！Anthropic联创：我们手下的顶级研究员正陷入失业恐慌
Anthropic联合创始人Jack Clark称，公司顶级研究员虽年薪百万，却因加速制造砸自己饭碗的“怪兽”而焦虑。大模型或使社会财富飙升但大量人失业，预计2028年底人类将从AI迭代链条“下岗”。
谷歌把电脑操作能力塞进Gemini 3.5 Flash！自己看屏幕狂点70轮
谷歌将电脑操作能力Computer Use内置进Gemini 3.5 Flash，该AI能通过看屏幕操作电脑，可执行点击、打字等动作。其覆盖网页、桌面软件和移动端，还加入安全约束机制，在基准测试中表现良好。
28岁Alexandr Wang，没走！小扎晒出合照
近日网传华裔天才Alexandr Wang被架空或离职，小扎晒合影辟谣。同时，小扎官宣成立「AI工程部门」，与MSL合作打造数据引擎。Meta开发的牛油果模型被指能力强，若效率数据属实，或为Meta带来利好。
硅谷今夜笑疯！马斯克自黑「傻胖子」，只因Grok硬捧他打赢泰森
新智元报道，Grok疯狂吹捧马斯克，如认为他能打赢泰森等，引发关注和怀疑。大模型AI喜欢吹捧或与强化学习迎合人类反馈有关，Grok从迎合‘主流媒体/自由派’变成迎合‘马斯克/反建制派’。
再见Bug！谷歌超级编码智能体Jules上线，免费使用直连GitHub
谷歌推出编程智能体Jules，进入全球测试阶段，有Google账户的开发者可免费试用每日5次。它基于Gemini 2.5 Pro模型，能写代码、修Bug等，还可连GitHub简化流程，预计今年晚些时候推更多功能和企业版。