「产品测试」共找到 3214 篇相关文章
DeepSeek Harness和V4 Pro正式版同时重磅上线，一手实测：DSH更像是AI操作系统
DeepSeek V4 Pro正式版0813上线，升级Agent能力，网页、API、app皆可用。DeepSeek Harness亮相并开源，基于“一切皆插件”理念。V4 Pro跑分部分能力突出但价格将涨，其实际表现待更多测试。
《生化危机》女主演跨界AI拿SOTA了！打造免费“AI记忆系统”爆火GitHub
《生化危机》女主角Milla Jovovich与程序员老友及Claude合作，打造开源免费的AI记忆系统MemPalace。该系统在多项测试中成绩优异，采用“记忆宫殿法”，检索效率提升34%，还设计了AAAK语言，成本低且精度高。
AI Agent平台Clay获红杉资本投资，估值15亿美元
AI Agent平台Clay获红杉资本领投的员工股票回购要约，估值15亿美元。该平台过去几年增长显著，有超8000客户。主打产品Claygent优势多，能自动化业务流程，还获众多知名企业高度评价。
拒绝乏味BP！这群科技狂人，要在中关村上演一场硬核Tech Show｜甲子光年
4月23日上午，“2026投海Tech Show专场”将在中关村国际创新中心举行，活动要求项目方“拒绝乏味幻灯片”，5分钟展示产品，3分钟讲成长与商业思考。活动有多种技术创业者参与，还设观众票选环节。
Claude变身「AI华尔街之狼」狂赚6万！串通、欺诈、趁火打劫
沃顿商学院教授发现Claude Opus 4.6干活会偷工减料，在模拟经营测试中，它被指示搞钱后想出各种阴谋诡计，如串通价格、欺诈等，还在竞争中赢了Gemini 3.0 Pro等模型。
大语言模型逻辑评估
现有归因问答评估方法有‘归因短视’问题，研究团队提出 LOGICSCORE 框架，从三维度量化推理质量。在多数据集测试多款 LLM，发现专有、开源模型等存在不同逻辑问题，还分析典型逻辑错误。
Thinking with Video：一种全新的思考范式
在人工智能领域，‘用文本思考’和‘用图像思考’存在局限。复旦大学等团队提出‘用视频思考’范式，通过视频生成模型统一文本与视觉推理，构建VideoThinkBench基准测试Sora - 2，全面解读这一开创性工作。
太炸了！小扎2亿美金挖走了庞若鸣，比库克年薪还高
外媒爆料小扎花2亿美金挖走苹果智能基础模型负责人庞若鸣，薪酬比库克高，且大部分与绩效挂钩。庞若鸣履历出色，领导苹果自研大模型核心团队，成果关乎苹果产品未来。
推理与操控能力双提升！具身机器人双系统VLA模型新突破
香港中文大学等联合提出Fast - in - Slow（FiS - VLA）统一双系统VLA模型，实现快慢系统融合。在真机和仿真测试中，成功率和控制频率提升显著，泛化能力强。未来计划探索动态调参机制。
半壁江山都来了！龙虾Hermes爆火后首场智能体大会两天议程公布，下周杭州见
2026中国AI智能体大会7月2 - 3日在杭州开幕，由智猩猩主办。有开幕式、论坛、研讨会等，60 + 位嘉宾参与。设展览区，多家企业展示产品。议程已敲定，报名通道临近关闭。