「自主智能测试」共找到 5068 篇相关文章
AI教母李飞飞最新长文：空间智能是AI的下一个前沿「LLM太局限了，缺乏现实根基」
AI教母李飞飞最新文章指出，以LLM为代表的AI技术虽改变世界，但缺乏现实根基。要让AI与物理世界互动，需迈向空间智能，她还提出构建世界模型框架及面临的挑战和应用前景。
Andrej Karpathy 开炮：智能体都在装样子，强化学习很糟糕，AGI 十年也出不来
本周五，Andrej Karpathy 长达两小时多的采访视频引发关注。他直言行业步子迈得太大，嘲讽 AI 现状夸大、脱离实际。他认为智能体成熟需十年，强化学习糟糕，还探讨了 AGI、人类学习、教育未来等多方面问题。
清华校友出手，8B硬刚GPT-4o！单一模型无限工具调用，终结多智能体
MIT等机构推出TIM和TIMRUN组合拳，突破模型token天花板。TIM将推理建模为任务树，TIMRUN优化内存管理。二者结合支持长程推理，实现单模型高效推理，简化智能体构建，在多方面表现出色。
BesiegeField：LLM能否学会设计机器？
香港中文大学推出基于游戏《Besiege》的测试平台BesiegeField，探讨LLM能否学会设计机器。研究通过组合式机器设计视角，测试LLM，提出多智能体迭代设计流程等，发现LLM有挑战但并非不可实现，如Gemini 2.5 Pro表现不错。
通往通用人工智能的关键一步？DeepMind放大招，3D世界最强AI智能体SIMA 2
Google DeepMind发布SIMA 2，这是能在虚拟3D世界自主游戏、推理和学习的通用AI智能体。它集成Gemini模型，从指令跟随到主动认知跃进，泛化性能提升，还具备自我提升能力，为AI和机器人技术发展提供新路径。
李开复陆奇重仓同一家Harness智能体公司，李笛带队，4个月2轮融资3-5年粮草
成立仅四个多月的AI初创公司明日新程宣布连续完成两轮融资，资金储备够未来三到五年创新。其由李笛带队，获李开复、陆奇等投资，聚焦Harness群体多智能体，还将推出新版“小冰岛”。
68页论文再锤大模型竞技场！Llama4发布前私下测试27个版本，只取最佳成绩
《排行榜幻觉》论文指出Chatbot Arena存在问题，如少数大厂私下多版本测试选最优、数据访问不平等、用Arena数据训练可提性能、模型被大量静默弃用等，研究团队给出改进建议，官方也进行了回应。
从超级个体到超级团队：AI 如何重塑企业软件生产力？｜2026 奇点智能产品大会专题前瞻
2026 奇点智能产品大会 7 月 17 - 18 日在北京举办，设「AI 驱动的软件生产力革命」专题，邀字节跳动、百度等团队实践者，探讨 AI 融入企业全价值链生产闭环，还准备了 AI 产品落地实战资料包。
斯坦福英伟达推出测试时强化学习：微调开源模型胜过顶级闭源模型，仅需几百美元
斯坦福、英伟达等提出TTT - Discover方法，基于开源模型gpt - oss - 120b，在测试阶段引入强化学习更新模型权重。它采用熵目标函数和PUCT启发机制，解决分布外问题，成本低且表现优，但目前适用于连续奖励场景。
不吹不黑，GPT-5代码能力究竟怎么样？跟 Gemini 和 Claude 的对比测试给你答案
作者测试了 GPT-5 的代码能力，并与 Gemini 和 Claude 对比。在不同代码任务中，各模型表现不同。如在生成网页任务里，GPT-5 部分结果不错，但受 32K 上下文限制，长文本处理不如 Gemini，硬实力也不如 Claude。