「AI测试集」共找到 10975 篇相关文章
Skills火爆之后，我收集并整理了最近全网火爆的Skills，拿走不谢～～～
文章介绍 Agent Skills，称其是 AI 助理的「使用指南」，技能分浏览、加载、使用三阶段加载，有快且轻、跨平台、易分享等优势。还推荐多个优秀 skills 及相关工具网站，提醒从业务出发看待它。
SmartSearch：奖励驱动query精炼，让Agent中的RAG会“改错”
现有LLM搜索Agent忽视‘如何提问’致答案易出错。SmartSearch提出‘过程奖励+查询精炼’双机制，让Agent学会‘写不好就改’，代码已开源。经实验，它在六数据集全面领先，各机制缺一不可。
IDE消亡之年？Steve Yegge两句狠话：2026年还用IDE就不行，每天烧500–1000美元Token才合理
Steve Yegge和Gene Kim认为，从2026年1月1日起，依赖传统IDE的工程师会被拉开差距，这是‘生产方式换代’。他们还提到AI将重塑软件开发，无开发或成现实，新开发方式价值更优。
工业级文本转SQL新思路：成本暴降、超3000列超大数据库依然稳健
华中科大与复旦联合发布AutoLink框架，引入自主智能体，模拟人类工程师工作流。在不输入全量数据库模式下，实现对超大规模数据库模式的高精准链接与筛选，以低Token消耗刷新两大榜单纪录。
Runway重夺全球第一！1247分碾压谷歌Veo3，没有千亿算力也能干翻科技巨头
Runway Gen - 4.5击败谷歌Veo3，以1247的ELO分数在Artificial Analysis榜单中重夺AI视频王座。它在多方面树立新标杆，虽有局限，但创始人认为其是通用模拟引擎，应用场景广泛。
规范对齐：回答前的深思，让安全与行为边界更清晰
OpenAI等厂商将规范融入大模型。上海交大等团队提出规范对齐概念，构建评测基准SpecBench，揭示主流模型不足。探索测试时深思方法，如Align3，能提升模型规范遵循度，项目已开源。
大模型推理学习新范式！ExGRPO框架：从盲目刷题到聪明复盘
上海人工智能实验室等团队提出经验管理和学习框架ExGRPO，能科学管理经验。与传统RLVR方法比，它在不同基准提升性能，尤其复杂推理任务，还揭示滚雪球效应，为模型推理训练提供新思路。
英伟达4段简短提示词，IOI夺金！开源模型也能征服最难编程竞赛
英伟达研究者提出GenCluster框架提升开源LLM解题能力，让开源模型gpt - oss - 120b在IOI 2025获金牌级别高分。它执行‘海选+筛选+比拼+提交’流程，优势明显，标志开源AI里程碑式突破。
马斯克亲自点名Karpathy迎战Grok 5！别神话LLM，AGI还要等十年
OpenAI创始元老Karpathy称AGI仍需10年，指出实现AGI难题多。马斯克点名其与Grok 5编程大战被拒。Karpathy还谈及LLM、强化学习、智能体等观点，主张合理看待AI发展。
惊爆提示词漏洞？Prompt 工程师开始失业
Noma Labs披露Salesforce Agentforce的“ForcedLeak”链式漏洞，攻击者串联“提示注入”致敏感数据外泄。ESET也报告AI勒索软件PromptLock。Prompt正转向Context，Prompt工程师或失业，价值向能组织语境流程者转移。