标签

evaluation

GPT-6 Astra发布48小时,建筑到机器人领域实测涌现

OpenAI称Astra标志着AGI时代开启,但安全专家担忧其推理过程无法被完全读懂

作者 김현국2026.09.06

1300

Anthropic的Claude用11天写出1300万行Lean代码,把数学界最大难题之一形式化

作者 김현국2026.09.05

在这项模拟经营一年网店的新测试中,GPT-5.6 Sol拿下第一,阿里巴巴的旧款模型破产了4次

作者 김현국2026.09.04

120

用欧洲人群队列训练出的模型，一旦目标人群样本量变大，预测准确率反而会下降

作者 김현국2026.09.04

在710万张图像的验证中，无需训练的判别器与现有检测器打成平手甚至更胜一筹

作者 김현국2026.09.04

一家只有24名员工的创业公司给出的AI评分,导致大型出版社撤销了图书出版合同,而其研究合作者的利益关系也引发争议

作者 김현국2026.09.03

210

AI智能体在工具调用失败后会悄悄重试,由此产生的浪费费用,借助追踪和自然语言查询在一个小时内就被揪出来了

作者 김현국2026.09.03

被冷落五次的求职者派ChatGPT出马面试结果还是没有人出现

作者 김현국2026.09.03

110

Inworld AI宣布,自己重新夺回了两周前被Cartesia拿下的Artificial Analysis排行榜第一名

作者 김현국2026.09.03

210

一项覆盖380个软件分类的调查发现,六成引用来自无名网站,其中3个网站专门为AI而生

作者 김현국2026.09.03

320

CEO安德鲁·艾廷格在视频中公开了内部评分标准CLEAR

作者 김현국2026.09.03

从试点卡壳到正式落地运营的六章指南，书中还收录了DXC、ICE等案例的具体数据

作者 김현국2026.09.03

130