「自动化评测」共找到 1070 篇相关文章
TRM思考奖励模型上线，大模型推理质量终于能量化了 | ICML‘26 Oral
大模型推理评测多只看答案，忽略推理过程。上海多校团队提出TRM，用ME² principle刻画推理质量，DAG-based pairwise evaluation还原结构，训练奖励模型，让推理质量可度量、训练和优化。
不安全指令，一拒了之？TRIAD用三路决策：修复AI智能体的危险计划
墨尔本大学团队开源TRIAD框架，将传统二元护栏决策扩展为继续、更新、拒绝三类。通过自然语言反馈引导Agent修正计划，在ASB和AgentHarm评测中，显著降低攻击成功率，提升正常任务完成率。
独家｜「中科第五纪」完成数亿元A轮融资，率先开启海外商业落地
AI科技评论独家消息，具身智能企业「中科第五纪」近日完成数亿元A轮融资，年内已完成三轮。该公司还收获海外数亿订单。其提出超少样本具身操作大模型等核心技术，形成完整技术体系。
拒掉字节、谷歌橄榄枝，Meta 离职大佬田渊栋官宣自立门户！苏妈老黄追着投
Meta离职大佬田渊栋官宣创业，新公司Recursive Superintelligence首轮融资6.5亿美元，估值46.5亿美元。其团队豪华，想跳出大模型竞争老路，让AI具备自我进化能力，计划2026年中期推出自主训练系统。
这周六，聊聊具身数据、模型与落地场景｜沙龙报名
当下具身智能进入加速期，但具身模型从Demo走向真实世界运行路径复杂，存在技术路线未收敛、数据匮乏等问题。量子位等联合发起沙龙，4月25日周六14:00，一线从业者与研究者将分享经验，探讨具身智能关键环节。
断层碾压Seedance 2.0：神秘「欢乐马」空降榜首，视频AI变天了
周二晚间，代号「HappyHorse - 1.0」的神秘视频生成模型在 Artificial Analysis 平台空降榜首，不论文字生视频还是图像生视频都排第一，拉开 Seedance 2.0 很大差距，不过在「视频 + 音频」综合排名上屈居第二，引发诸多猜测。
AI数据工程师在应用中如何"返璞归真"
文章反思‘知识库+Prompt工程+工具调用’轻量级Agent构建模式局限，指出其难应对知识质量、语义理解与规模化维护挑战。提出从‘Prompt驱动’到‘上下文工程’、从‘搭积木组装’到‘全链路闭环’的范式跃迁，并介绍MktAI知识体系建设。
企业AI智能体大排雷：138场顶级分享抖出的落地实情
AI智能体重塑软件工程，研究团队分析138场演讲发现搭建时精力多花在工程集成和接口对接。文章结合推理模型与人工校验，介绍企业引入智能体的架构策略、演进历程、应用差异及技术底座等内容。
坏孩子浏览器来了！让AI直接用你的账号上网，好用到爆！
“坏孩子浏览器”让AI Agent直接用浏览器账号上网，无需API key和写爬虫，通过Chrome插件+CDP操控真实浏览器。支持36个平台、103个命令，与其他方案相比优势明显，还能10分钟CLI化任何网站。
Github持续上榜，这款 AI 自动渗透项目真有点东西！
传统渗透测试依赖人工，效率不高。开源项目PentAGI将‘AI Agent + 渗透测试’结合，能自动完成渗透测试任务，有自主决策能力，功能特性丰富，安装使用较方便，虽有局限但值得尝试。