「大模型测试」共找到 9936 篇相关文章
Google发布“法律版Gemini”：能审合同，也能连接律所核心数据
8月25日，Google Cloud发布Gemini Enterprise for Legal面向律所和企业法务团队开放预览。它想解决让模型进入律所现有工作系统，不打乱权限等规则的问题，通过MCP连接系统并继承权限，还组织各方合作。
1周半写64个PR、完成30%项目重构：一家成熟SaaS公司把Agent塞进研发全流程后
Calendly公开Agentic Engineering实践，Agent嵌入研发全流程，如审查需求、写代码、测试等。一周半内，Agent为IAM团队生成64个PR，完成30%项目重构。研发瓶颈从写代码转为判断力，强调好需求与护栏重要性。
AI开始替人类调用AI！token用量已是人类5.2倍
据OpenRouter统计，截至8月10日，Agent类token用量半年涨14倍，人类仅2.8倍。差距源于用法差异，虽智能体部分token计价低，但用量大仍烧钱。省钱关键在配套，且智能体任务验收缺人手。
起猛了，机器人开上卡丁车了！
Symbiosis Robotics放出机器人开卡丁车新演示，还推出Direct Perception Control（DPC）。它取消中间运动表示，让模型结合画面、任务和身体反馈直接算关节与手部目标，团队还整理15,010小时具身数据。
为了「自我锤炼」，OpenAI 造了一个攻击力极强的「AI 黑客」
OpenAI宣布扩展网络安全计划Daybreak，推出GPT‑5.6‑Cyber，分蓝队和红队。红队模型模拟黑客找漏洞，能力强悍，高危安全任务完成率达95%。但此举也带来安全风险，OpenAI采取分级授权等措施。
Zig 创始人直言，Bun 靠 Claude 生成的 Rust 重构版是“没人把关的烂代码”
Bun创建者用Claude智能体11天将Bun从Zig移植到Rust，虽通过测试，但Zig创始人Andrew Kelley批评其编程实践不规范，认为代码是‘没人把关的烂代码’，且AI生成代码缺监督会出问题。
Palantir活成了所有FDE羡慕的模样：被骂十年外包，股价一天暴涨29%
8月3日美股盘后，Palantir交出2026年二季报，业绩亮眼致次日股价涨29.45%。此前它被看空，因其交付方式被指像外包。但从财务看它利润率高，且业务增速快，不过高估值和国际业务仍存挑战。
2026 Data+AI 中场纪实：企业决策者，敢把真实业务交给 Agent 吗？| 直播预告
Snowflake携手InfoQ发起直播，探讨企业将真实业务交予Agent的问题。贾天下将分享相关内容，其博客展示有本体团队可实现的能力，还通过生物医学基准测试比较不同方案，为构建企业级AI智能体提供参考。
老黄「开源协议」就剩一家没签，是谁啊好难猜啊
黄仁勋发公开信站台开源模型，签开源倡议书的公司和机构从25家增至70多家，微软CEO等力挺。除Anthropic外都签了，其员工怒怼，吴恩达为黄仁勋辩护，还探讨了倡议背后英伟达的算盘。
万字长谈丨同济工智院华先胜：工程智能，是 AI 的「成人礼」
雷峰网·AI科技评论对话同济工智院华先胜，探讨工程智能。他认为工程智能是AI与工程深度融合，要从数字走向物理世界，构建体系，实现人机共生，还介绍了研究院成果、灵感计算及操作系统架构等。