「AI基准测试」共找到 10997 篇相关文章
机器人学会“脑补”触感，叠衣服端茶水成功率暴涨90%
近年来，人形机器人研发从行走转向复杂操控，但处理精细家务表现逊色。卡内基梅隆大学联合博世人工智能中心团队提出 HTD 模型，让机器人预判触觉，在 5 项任务上成功率提升 90.9%，部分代码开源。
Claude Code发布Agent View，多任务流的ADHD患者有救了
Claude Code发布Agent View，它像给Claude Code的tmux，能将多个Claude会话状态分类展示，帮用户分配注意力。它把Anthropic内部工作流产品化，有会话与窗口解绑、工作树隔离等设计。
剧情反转！马斯克牵手 Dario，Anthropic 与 SpaceX 罕见合作
Anthropic官宣与马斯克的SpaceX合作，将使用其超算集群全部算力。因Claude火爆致宕机，Anthropic急需算力。其估值疯涨，而SpaceX闲置算力出租也符合商业逻辑，马斯克还对Anthropic团队表示认可。
Tank OS：红帽首席工程师把OpenClaw打包成可启动的Linux设备
红帽首席软件工程师Sally O'Malley在GitHub发布开源工具Tank OS，它用bootc技术将Fedora Linux和OpenClaw打包成可启动容器镜像。该工具解决OpenClaw配置安全问题，适合企业环境，虽非面向小白，但对企业IT重要。
腾讯大模型动作慢了吗？姚顺雨带着Hy3 preview杀进第一梯队
国内大模型发展迅速，腾讯此前动作较慢。姚顺雨加入后推动变革，混元团队重建推出Hy3 preview，有295B总参数和快慢思考融合架构，开源且性能优，在多方面表现出色，成本下降。
Claude新模型危险，鲍威尔召集华尔街紧急开会！全美安全股暴跌2万亿
Anthropic的新模型Mythos能力超强，被指或对金融业造成重大风险。鲍威尔和贝森特紧急召集华尔街开会预警。消息传出，美国软件板块暴跌，SaaS领域近2万亿美元市值蒸发。Anthropic拒绝向公众发布该模型，启动防御项目。
Anthropic 那个“强到不敢发”的模型，终于来了！
今天凌晨，Anthropic 发布新模型 Claude Mythos Preview，它曾被指‘强到不敢发’。该模型能力跃升，尤其网络攻防能力突出，但因具‘双重用途’仅向少数伙伴开放，用于防御性网络安全项目。
跨越智能体落地的可信鸿沟：玄甲（AgentWard）全链路防御操作系统正式发布
大模型向自主智能体演进，安全威胁全域化。当前安全方案有局限，制约产业落地。清华大学团队推出玄甲全链路安全防御操作系统，构建五层纵深防御体系，已落地应用，降低安全事件发生率，筑牢安全防线。
Skill会吃掉APP吗？龙虾时代，这个问题值得认真聊聊｜沙龙报名
2026年开年，龙虾掀起Agent浪潮，有人认为APP或被Skill取代。量子位发起「龙虾时代，Skill会吃掉APP吗？」AI沙龙，邀业内人士分享思考，3月31日14:00现场探讨相关问题。
中山大学梁小丹团队论文：让视频生成从「看起来真实」到「物理上正确」丨CVPR 2026
中山大学梁小丹团队提出《ProPhy: Progressive Physical Alignment for Dynamic World Simulation》，通过分层建模和逐步对齐，引入视觉语言模型作监督，解决视频生成模型物理建模问题，提升物理正确性和视频质量。