搜索
伯克利团队归纳出7种反复出现的模式：智能体和评测程序共享运行环境、标准答案暴露给被测系统、对不可信输入调用eval()、LLM裁判缺乏输入过滤、字符串匹配过于宽松、评分逻辑本身有bug、以及评测程序信任被测系统产生的输出。
人才奇点先于AGI到来！Meta狂挖Mira Murati120亿估值公司，第5人正式就位。巨头不再买公司，而是直接买大脑——这场抢人大战，让所有AI创业者后背发凉。
4 月初，LM Arena 评测平台上出现了三个匿名图像模型，代号分别是 maskingtape-alpha、packingtape-alpha、gaffertape-alpha。几小时后它们消失了。OpenAI 官方还没有正式宣布这个模型，但根据 API 返回的元数据和用户侧的测试记录，它已经有了一个被广泛接受的名字：GPT Image 2。
前一阵特朗普刚下令五角大楼禁用 Claude，现在 Anthropic 最强新模型 Claude Mythos 的强大网络攻防能力，让白宫无法忽视这把双刃剑，顶着自己下的禁令，宁可打自己脸也要全面部署 Mythos 了。
极限开发赛制（如黑客松、Game Jam）能让大家在几十小时内燃烧激情，但正如全球最大的 Game Jam 活动组织 Global Game Jam 的执行总监所言，48 小时内诞生的作品往往只是一个起点，缺乏长期的沉淀，很难直接变成成熟的作品。
上个月，智元刚刚跨过“机器人量产下线一万台”的门槛。4月17日，这家由前华为“天才少年”彭志辉与前华为副总裁邓泰华共同创立的机器人公司在合作伙伴大会上，花了大量的时间和篇幅介绍软件上的新产品。相较之下，硬件的篇幅反倒很少。
对 AI 敌意最重的群体，是那些刚刚踏入社会、或正在寻找起点的职场新人。盖洛普数据显示，在已就业的 Z 世代中，高达 48% 的人认为 AI 在工作场所的风险远大于收益，这一比例在一年内激增了 11 个百分点。认为收益大于风险的仅占 15%。
给了100万token，现在却手把手教你怎么删记录！Anthropic官方承认：塞太多东西，Claude就会变蠢。面对失控的「上下文腐烂」，Anthropic连夜甩出5招救命指南。
今天，来自ZJU-REAL的团队带来了ClawGUI，一个覆盖GUI智能体在线RL训练、标准化评测、真机部署完整生命周期的开源框架。不是三个独立工具的简单拼接，而是一条打通的流水线：用ClawGUI-RL训练，用ClawGUI-Eval评测，用OpenClaw-GUI部署，端到端验证。
AI 的整体表现已经胜过了人类。或者按 AAAI 官方的说法是：「对 AAAI-26 作者和程序委员会成员的大规模调查显示，参与者不仅认为 AI 评审有用，而且在技术准确性和研究建议等关键维度上，实际上更偏好 AI 评审。」