「自演进评测」共找到 1873 篇相关文章
一篇Self-Evolving Coding Agents最新综述
当今编码智能体部署后大多静止，自进化编码智能体应运而生，可让Agent通过交互更新自身。文章介绍了其概念、分类，探讨组件进化机制、时机及评估方法，也提及带来的新挑战。
8.99万的人形机器人来了！中国版Figure发力，价格打穿地板
星尘智能发布T1新品，价格8.99万元起，6月发货。它强调商业化能力，能「一机多用」，打穿多场景。星尘自研「AI模型 - 具身OS - 绳驱本体」架构，已量产，订单多，领先同行。
10万token自然语言推理，让30B-A3B模型站上奥赛金牌线
上海人工智能实验室报告显示，30B - A3B规模的SU - 01模型不依赖外部工具，经训练在IMO、USAMO、IPhO等奥赛评测达金牌水平。研究还验证更高效科学推理系统路线，有望用于更多科学问题。
Qwen3-VL-Embedding系列上新：探索统一多模态表征与排序
2025年6月曾开源Qwen3-Embedding和Qwen3-ReRanker，现推出Qwen3-VL-Embedding和Qwen3-VL-Reranker。它们基于Qwen3-VL构建，能处理多模态输入，在多任务达业界领先，还介绍了特性、评测及使用方法。
真正的Jarvis要来了？涂鸦智能押注Physical AI
智能家居爆发期，诸多硬件品牌借涂鸦能力发展。如今涂鸦发布AI生活助手“Hey Tuya”，它依托自研架构补齐Agent进入物理世界的关键能力，让涂鸦从幕后走向台前，有望构建家庭生活新基础。
Pulsar特性在AI场景中的使用
随着AI发展，架构从单体到分布式演进，消息中间件成关键。Pulsar以存算分离等特性价值凸显，在多模态训练、模型训练、智能体等AI场景有独特优势，如处理超大消息、实现断点续训等。
豆包官宣手机助手：AI 还能带来哪些新体验？
字节豆包团队官宣做手机助手，它基于操作系统层面授权，背靠豆包大模型带来交互创新。虽无自研手机计划，但正与多家厂商洽谈合作。开放体验机型是与中兴合作的nubia M153。
如何破解海量内容审核难题？快手安全大模型技术探索与应用实践
在数字内容爆炸式增长下，传统内容审核模式难应对挑战。快手安全算法中心负责人刘梦怡分享自研多模态大模型技术方案与应用实践，涵盖架构、数据、训练等，还介绍审核智能化应用及未来展望。
首个故事可视化综合评估框架来了！80个故事单元53种类别，20种技术方案全面对比
随着AIGC技术进步，故事可视化引发关注。阶跃星辰携手上科大、西湖大学提出ViStoryBench可视化评估框架，通过构建多元化数据集、建立多维度评估指标，对超20种技术方案评测，为行业发展提供评估工具。
终于，无需邀请码，这款刷新GAIA榜单的Agent你立刻就能用！
今年AI圈新品爱用邀请码等三件套，作者对此不满。天工超级智能体（Skywork）不玩套路，在GAIA评测达SOTA级别。它优化办公三件套场景，使用方便，虽有不足但瑕不掩瑜。