logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

2026具身智能评测:从分数排名到真实能力的可信度量

当前具身智能领域 Demo 效果亮眼,但评测分数容易误导读者,不同基准的测试条件不统一,分数无法直接横向对比。本文梳理 LIBERO、GM-100、RoboDojo、RoboChallenge 等主流评测基准,区分 “训练分布内” 和 “真实世界长尾任务” 两类评测场景,讨论从单一分数排名走向真实能力可信度量的思路,为具身智能评测的标准化、可靠化提供参考。

文章图片
Gemini 3 Pro登顶AMO-Bench:大模型数学推理正迈向高效率新阶段

AMO-Bench 的发布及其评测结果,为行业提供了一个观察大模型数学推理能力边界的窗口。从评测数据来看,Gemini 3 Pro 的 63.1% 确立了新的性能基准,而Kimi-K2-Thinking 则展现了国产模型的惊人追赶速度。但值得注意的是,SOTA 模型仍有近 40% 的题目未能稳定解决,这表明复杂数学推理依然是当前 AI 技术亟待攻坚的深水区。

文章图片
2026 数字人生成评测报告:Heygen、OmniHuman、Kling等大模型同台竞技,谁能率先跨越“恐怖谷”?

然而,它并非完美无缺。尽管视频主体动作流畅,但专家在检查中发现,其生成的人物面部细节出现了不合理的形态问题,特别是牙齿部分的渲染存在明显瑕疵,这严重影响了用户对其真实性的感知。虽然也存在轻微的口型不匹配和人物相貌的小幅变化,但它较好地捕捉了语音中的情感起伏,并转化为相对自然的表情变化,展现了其在理解复杂音频上的鲁棒性。表现分析: 在唱歌场景,Heygen在合理性上出现了问题,生成的人物身体部分发生

文章图片
#人工智能
Kimi K2.5开箱评测:性能数据亮眼,但实测体验真的如此吗?

本次实测围绕Kimi K2.5主打的三大核心能力展开。在。

文章图片
#人工智能
《杀戮尖塔2》成了 DeepSeek V4 的照妖镜|写得头头是道,怎么一打就废?

看似是大模型比拼《杀戮尖塔2》游戏能力,实则能直观暴露大模型的真实上限与短板。静态问答中,模型依靠知识与表达就能得分,但爬塔需要局势判断、资源管理、长线规划与试错复盘。这也拉开了模型差距:有的空谈逻辑却难以落地,有的稳步迭代、执行力与纪律性更强。现实里的编程、统筹、长期规划等复杂问题,更像持续闯关的爬塔,而非标准答案式问答。

文章图片
#人工智能
2026 数字人生成评测报告:Heygen、OmniHuman、Kling等大模型同台竞技,谁能率先跨越“恐怖谷”?

然而,它并非完美无缺。尽管视频主体动作流畅,但专家在检查中发现,其生成的人物面部细节出现了不合理的形态问题,特别是牙齿部分的渲染存在明显瑕疵,这严重影响了用户对其真实性的感知。虽然也存在轻微的口型不匹配和人物相貌的小幅变化,但它较好地捕捉了语音中的情感起伏,并转化为相对自然的表情变化,展现了其在理解复杂音频上的鲁棒性。表现分析: 在唱歌场景,Heygen在合理性上出现了问题,生成的人物身体部分发生

文章图片
#人工智能
Gemini 3 Pro登顶AMO-Bench:大模型数学推理正迈向高效率新阶段

AMO-Bench 的发布及其评测结果,为行业提供了一个观察大模型数学推理能力边界的窗口。从评测数据来看,Gemini 3 Pro 的 63.1% 确立了新的性能基准,而Kimi-K2-Thinking 则展现了国产模型的惊人追赶速度。但值得注意的是,SOTA 模型仍有近 40% 的题目未能稳定解决,这表明复杂数学推理依然是当前 AI 技术亟待攻坚的深水区。

文章图片
AI 巅峰对决:GPT、Qwen 领衔五子棋与德扑,Claude 竟未进前三?

我们提出了一个迭代式的、基于伙伴学习的竞争性评测框架;推出了 CATArena 这一包含多样化、开放式游戏的评测基准;并设计了一套全面的评测矩阵,从而对智能体的核心能力进行可靠、稳定且可扩展的评估。CATArena 的远景不止于此,未来,计划补齐国际象棋与桥牌,在现有四大经典博弈场景的基础上,CATArena 的竞技场将进一步延伸至算法竞赛代码优化、工程代码优化等更为复杂的编程任务中。我们坚信,通

文章图片
#人工智能
AI密室逃脱:16款顶级AI上演真实逃生,谁是最后赢家?

复旦大学与AGI-Eval社区联合发布《AgentEscapeBench》论文,通过270个密室逃脱游戏测试16个主流AI模型的长程推理能力。研究发现:1)Claude-Opus表现最稳健,25级难度仍保持60%成功率;2)GPT-5.4思路广但效率低,工具调用次数是Claude的2倍;3)模型性能随难度增加呈系统性衰退,工作记忆和逻辑一致性是主要瓶颈。该研究揭示了AI在陌生环境中的真实能力边界,

文章图片
#人工智能
一篇图文讲清楚 AI Agent 的核心概念:从 Token、Skill、RAG 到 MCP和 Harness 工程

AI Agent技术体系深度解析:从核心概念到工程实践 本文通过工程师"小A"与初学者"小E"的对话,系统阐述了AI Agent的技术架构与关键组件。主要内容包括: Agent本质是具备自主执行能力的智能体,通过规划、记忆和工具调用三大支柱实现任务闭环 核心技术要素:Token(语义处理单元)、RAG(检索增强生成)、MCP(工具调用协议)、Skill(专业

文章图片
#人工智能
    共 40 条
  • 1
  • 2
  • 3
  • 4
  • 请选择