「双轨评估体系」共找到 1250 篇相关文章
破防了！全球顶尖AI惨败，人类最后防线竟是「重启试试」？
GSMA联合权威组织发起全球电信AI故障排查挑战赛，吸引超1000支队伍。赛事依托权威评估框架，设丰厚奖励，分多个赛道，还将开展智能体任务，预示电信运营模式重构。
谷歌发布适用于多智能体的八种设计模式
谷歌发布多智能体系统八种核心设计模式指南，涵盖顺序流水线到人工介入架构等范式，对每种模式清晰解释，还附谷歌 Agent Development Kit 示例代码，助开发者结构化设计系统。
X平台如何决定你看到什么？马斯克刚刚开源了X推荐引擎
马斯克开源X平台推荐算法，消除人工干预特征，靠Grok模型理解用户行为。系统由编排、存储和机器学习层协同，经复杂机制精准推送信息，还构建后置过滤体系保证内容质量。
LLM 竟然会内省！Anthropic 整了个大活：首次揭开 AI 意识
Anthropic最新研究《大语言模型中涌现的内省意识》，首次通过直接操控模型内部状态验证AI能否觉察自己思想。研究采用概念注入技术，发现AI有内省能力，且不同模型表现有差异。
GPT-5.2连肝7天，300万行代码造出Chrome级浏览器
Cursor的CEO让GPT - 5.2连续运行一周，产出300万行代码，从零构建Chrome级浏览器。还介绍不同模型长任务表现、多智能体协作架构，指出这将颠覆软件开发经济学。
突发！中国商务部已启动对Meta收购Manus的审查。
据英媒爆料，中国商务部启动对Meta约20亿美金收购AI初创公司Manus审查，重点评估其技术出口管制及地缘政治风险，审查处早期阶段，此事件给AI创业者释放监管信号。
员工吐槽“给 AI 擦屁股”更辛苦？揭秘企业 AI 提效的“悖论”与真拐点
InfoQ《极客有约》X AICon 直播探讨企业 AI 提效实战。嘉宾指出用工程化手段控制模型‘幻觉’、做好数据治理很关键。还讨论了模型使用、数据处理、提效感受、招聘标准、场景选择等问题。
Anthropic重磅新研究：当AI采访了1250人，它看见了人类的「职业软肋」
Anthropic推出Interviewer工具，与1250名职场人、创作者、科学家深度对话，记录细节并量化。该工具能自动完成访谈、分析等流程，受访者满意度超97%。研究揭示不同职业对AI态度受职业结构等因素影响。
机器人集体到香港户外极限挑战，狗比人强
第五届ATEC2025线下挑战赛收官，机器人户外自主闯关。赛队奇招破局，浙大Wongtsai夺冠。比赛暴露实验室难见问题，如四足胜人形、感知受室外干扰等，为测评体系提供新思路。
刚刚，云计算一哥出手，大家AI Agent自由了
亚马逊云科技在re:Invent大会发布诸多面向Agentic AI的成果，包括Strands Agents SDK更新、模型定制工具等，还介绍了构建Agent的四个方面，展示了完整蓝图，指引AI时代新方向。