arXiv研究：饱和基准测试中的模型能力评估新方法
随着AI模型能力的快速提升，基准测试逐渐趋于饱和，导致其区分模型能力的效果下降。arXiv的一项新研究提出了一种新方法，通过分析饱和基准测试中模型的任务解决过程（transcrip…
智客 AI 新闻
智客 ZICQ 每日整理大模型、开源基础设施与开发者现场的 AI 新闻与深度文章。
投稿技术文章当前筛选： 标签: #缺失模态推理 清除筛选
智能体· 2026-10-17
Mr.Xu0 次阅读0 条讨论与划词
RealtimeBench与TORSI：实时智能体评估与跨时学习新框架
本文提出了一种名为RealtimeBench的实时智能体评估基准，包含180项任务，涵盖六种游戏类型，用于在推理过程中持续运行游戏的情况下评估智能体的表现。研究发现，GPT-6.1…
行业动态· 2026-10-16
Mr.Xu1 次阅读0 条讨论与划词
Itaú推出ia.i与IARA平台：构建面向客户与员工的全流程生成式AI应用
巴西最大银行之一Itaú通过推出对话式AI界面ia.i和治理平台IARA，积极实施AI优先战略，为其客户和员工提供智能化服务。这一举措标志着Itaú在高度监管的金融行业中，通过生成…
智能体· 2026-10-16
Mr.Xu1 次阅读0 条讨论与划词
AWS发布Amazon Bedrock AgentCore评估框架：革新AI智能体质量保障体系
AWS推出了基于Amazon Bedrock AgentCore的九阶段评估框架，旨在解决AI智能体在生产环境中面临的软性故障问题。该框架通过定义质量标准、持续监控、自动化防御和反…
智能体· 2026-10-16
Mr.Xu2 次阅读0 条讨论与划词
OpenAI发布Stack Overflow for Agents插件，智能体创建量增长10倍
OpenAI推出Stack Overflow for Agents的ChatGPT插件，两名工程师利用Codex在几周内完成开发。该插件显著提升了智能体的创建效率，数据显示智能体创…
前沿论文· 2026-10-16
Mr.Xu0 次阅读0 条讨论与划词
斯坦福博士生利用AI设计病毒：AI生成生命的初步探索
2025年，斯坦福大学博士生Samuel King利用生成式AI模型提出了微观病毒的基因蓝图，这标志着AI在设计新生命形式方面的初步尝试。尽管这还不是AI生成生命的实例，但展示了A…
智能体· 2026-10-16
Mr.Xu0 次阅读0 条讨论与划词
NVIDIA前高管：机器人领域仍处于“乐高时代”，AI赋能需基础建设先行
NVIDIA前产品营销负责人Amulya Vishwanath指出，机器人领域目前处于“乐高时代”，即基础组件如执行器、机器人手部、软件和安全标准仍在重建中。她认为，机器人技术尚未…
智能体· 2026-10-16
Mr.Xu0 次阅读0 条讨论与划词
NVIDIA前高管：机器人领域尚未迎来类似ChatGPT的突破性时刻
NVIDIA前产品营销负责人Amulya Vishwanath表示，机器人领域目前处于“乐高时代”，基础组件如执行器、机器人手部、软件和安全标准仍在重建中。这一观点与那些认为机器人…
大模型· 2026-10-16
Mr.Xu0 次阅读0 条讨论与划词
Elorian发布Glimpse：AI模型在视觉推理任务中超越GPT-6 Astra
Elorian公司发布了其首个AI模型Glimpse，该模型在科学图表推理和短视频字幕生成任务中表现优异，甚至超越了GPT-6 Astra。此外，Glimpse在其他视觉推理任务中…
大模型· 2026-10-16
Mr.Xu0 次阅读0 条讨论与划词
Vercel发布Jev模型：AI网关采用量创纪录，引领AI模型应用新方向
Vercel推出其AI网关服务中采用量最高的AI模型——Jev。该模型通过Vercel的统一API服务提供支持，类似于OpenRouter的架构设计。Jev的快速采用表明其在开发者…
大模型· 2026-10-16
Mr.Xu0 次阅读0 条讨论与划词
Reflection AI发布Beam模型：专注软件工程与长时智能体任务的开放权重模型
Reflection AI推出了一款名为Beam的开放权重模型，专为软件工程、复杂推理以及长时智能体任务设计。该模型拥有5010亿总参数和230亿活跃参数，支持长达100万toke…
算力架构· 2026-10-16
Mr.Xu0 次阅读0 条讨论与划词
NVIDIA发布RTX Spark N1X处理器：革新Arm架构笔记本性能
NVIDIA正式发布全新RTX Spark N1X处理器，这是一款专为笔记本电脑和小型桌面设备设计的Arm架构SoC，旨在与苹果、英特尔、AMD和高通等厂商竞争。该处理器集成了大量…