「AI评估」共找到 10069 篇相关文章
在失败中进化？UIUC联合斯坦福、AMD实现智能体「从错误中成长」
伊利诺伊大学厄巴纳 - 香槟分校等团队发布论文，剖析LLM智能体失败机制，提出可自我修复的创新框架AgentDebug。研究指出智能体常见失败类型，构建错误分析体系、数据集，实验显示该框架效果显著，为AI可靠性提供方案。
OpenAI新幻觉论文惹争议！GPT-5拉胯是测试基准有问题？？
OpenAI新论文《语言模型为何会产生幻觉？》提出，模型有幻觉是因标准训练和评估流程倾向奖励“猜对”。GPT - 5不爱猜测，在榜单表现不佳，网友质疑论文是为GPT - 5挽尊，论文引发网友多方向讨论。
具身智能大脑+首个SaaS开源框架，智源研究院刷新10项测评基准，加速群体智能新范式
智源研究院推出通用具身大脑RoboBrain 2.0与全球首个具身智能SaaS开源框架RoboOS 2.0并全部开源。前者突破主流AI模型瓶颈，后者实现大脑云端优化与小脑技能免适配注册，降低开发门槛。
头号玩家照进现实！NTU发布世界模型交互新范式，攻克主动操作难题
南洋理工大学MMLab团队推出Hand2World，让AI世界模型能真正互动。它摒弃旧有遮挡误导，用3D手部结构与射线编码解耦手与头运动，实现闭环持续交互，基于单目视频全自动标注，为AR、机器人交互铺路。
推荐系统进入「双动力」时代！首篇LLM-RL协同推荐综述深度解析
强化学习是推荐系统主流建模范式，但传统 RL 推荐系统有诸多瓶颈。大语言模型崛起带来新机遇，LLM 与 RL 结合开启新范式。研究团队发布首篇相关综述，提出五大协同范式，总结评估体系，分析挑战与方向。
腾讯开源混元Image 2.1：2K高清+完美文字嵌入，图文天花板来了
今天凌晨，腾讯开源最新图像模型混元Image 2.1，支持原生2K分辨率与长提示词，文字嵌入能力强，适用于专业场景。还开源加速版模型权重和提示词改写模型，评估显示其性能达开源最优，接近闭源商业模型。
2万开源项目已用上，OpenAI下了盘大棋，Cursor，Codex智能体纷纷支持
据彭博社消息，DeepSeek计划年底发布可自主执行多步任务、自我学习进化的AI Agent。OpenAI开源的AGENTS.md已获5k星，为编码智能体提供使用说明，还给出示例和使用指南，相关智能体已用于2万开源项目。
Loop世界模型论文登顶Hugging Face，来自中国一家初创，周鸿祎陆奇都投了
Prompt还没退场，Loop已开始接管AI叙事。Loop Engineering突然爆火，而Looped World Models（循环世界模型）技术含金量更高，其论文登上Hugging Face Papers当日Top1。该论文由中国初创公司脸谱心智完成，成果显著。
2.8万Star爆款作者竟被谷歌裁了！硅谷大佬火速抢人
谷歌员工Justin Poehnelt做的Google Workspace CLI工具gws上线爆火，登顶Hacker News、获28000+星标，却被谷歌开除。谷歌还在大会官宣推出「官方版」。Poehnelt认为是因AI Agent冲击Workspace，引多方关注和人才争抢。
安卓开发被Vibe Coding接管了？谷歌把搓App门槛彻底打下来，一周搓出25万个
谷歌近期状况不佳，不过 Google AI Studio 上线免费生成原生 Android App 功能挽回颜面。上线一周多创建超 25 万个 App，99% 以上用户此前未做过安卓开发，无需代码就能开发，还支持 Remix。实测显示效果不错。