「大模型自信问题」共找到 9584 篇相关文章
首个语音智能体端到端测评出炉：Grok登顶，真实场景通过率仅一半
Artificial Analysis推出业内首个语音转语音智能体端到端性能基准τ - Voice，测试真实客服场景能力。结果显示最强S2S模型成功率刚过一半，Grok Voice Think Fast 1.0夺冠，但也面临诸多质疑。
回敬 Codex，Claude Code 推出 /goal 功能，不干完不睡觉
Claude Code随2.1.139版本推出 `/goal` 命令，设定完成条件后可持续工作至目标达成。它与Codex互相借鉴功能，且在设计上采用裁判分离，官方也给出目标制定建议，还带来其他更新。
告别“氛围编程”：基于 Harness 治理和 SDD 的团队级 AI 研发范式演进与实践
本文作者王树新分享团队级AI研发范式演进与实践。指出AI Coding存在自由发挥、效率降低、关键信息丢失问题，分析出码率提升却未提效的原因，引入SDD与Harness解决问题，并介绍全流程自动化实践。
豆包要收费了：三档订阅最贵500元/月，保留免费基础版
五一假期时，豆包要收费的消息冲上热搜。苹果App Store已现订阅服务声明，分三档，最贵500元/月，目前仅测试，正式上线会发完整信息，且保留免费版。豆包APP日活、用户新增和规模都断层领先。
最新！Demis Hassabis：Agent才刚刚开始，AI下一步是创造虚拟细胞
DeepMind掌门人Demis Hassabis在专访中谈到AGI发展，认为当前技术距AGI可能差一两个大突破，预计2030年左右实现。还探讨了记忆、Agent、推理等问题，提及开源、多模态等情况，展望了生物领域虚拟细胞等。
魔法原子登陆硅谷，行业首个「自进化具身大脑」发布
美西4月28日，国内具身智能企业魔法原子在硅谷主办全球具身智能创新大会。会上发布全域世界模型Magic - Mix、新一代灵巧手H01、旗舰人形机器人MagicBot X1，直面行业痛点，还披露全球化战略目标。
Skills驱动推理新范式，清华&北大：Token立省59%，准确率不降反升
当前推理模型虽准确率高，但生成“思考过程”会使推理成本和延迟上升。奇元科技、清华、北大等提出TRS框架，将历史推理轨迹蒸馏成技能卡片，在推理时检索注入，实现更少Token、更高准确率。
9秒，公司没了！Claude「删库跑路」，Anthropic封杀110人公司，却还在扣钱
一家110人的农业科技公司Claude账号被封，无预警、无解释还照常计费，申诉无果。此前也有多家公司账号被封且处理方式相似，还有平台被Claude删库，揭示闭源AI巨头下企业主权问题。
字节Seedance 2.0发论文了，171人署名，吴永辉曾妍在列
现象级AI视频技术字节Seedance 2.0在arXiv发论文，公布26页Benchmark和170位贡献者名单。此时它正通过Byteplus平台铺向全球，支持多模态输入。该模型突破瓶颈，评测表现优异，团队近半换血。
10 分钟 CLI 化任何网站，AI全网一键调用！
AI Agent上网难，传统爬虫易遇反爬问题。开源项目`bb-browser`通过模拟真实浏览器登录态操作，支持36个平台、103个命令，能绕过反爬，还可在浏览器内运行JS等，在GitHub获4.5k+ star。