搜索
就在刚刚，Claude Mythos把评测干「失效」了：METR第一次测不准，AI攻防拐点到了！AI进化已成「外星文明」降临，超越指数增长，2027 AGI奇点正加速撞向人类。
现有大模型评测分数日趋饱和，但与真实体验差距显著。南京大学傅朝友团队牵头，在 Google Gemini 评测团队邀约下推出视频理解新基准 Video-MME-v2。凭借创新的分层能力体系与组级非线性评分，以及 3300 + 人工时高质量标注，揭示模型与人类的巨大鸿沟（49 vs 90）、传统 Acc 指标虚高、以及 “Thinking” 并非总是增益等现象。
3 月 16 日，在刚刚结束的 NVIDIA GTC 2026 大会上，黄仁勋在长达三小时的 Keynote 演讲中发布了 NVIDIA Agent Toolkit 和 AI-Q 开放智能体蓝图，将 AI Agent 定位为下一个重大前沿。
嗨大家好！我是阿真！ 前几天发过提示词生图相关的推文，大家普遍有个痛点，直接生成但是写提示词很痛苦，提示词调整来调整去，有点小问题又想再抽卡，最后时间浪费了，效果也一般般。
语言即武器。在《一九八四》里，大洋国发明了新话，其目的在于控制思维方式。AI测评媒体的小编们疑似对此进行借鉴，也开始通过语言通货膨胀的方式，批量发明更适合AI圈读者体质的新话，把咱读者朋友们调教得阈值越来越高，现在看正常文章都觉得食之无味。
春节闭关五天，我做了个东西：一个大模型场景化测评平台。35000+ 次模型跑测，一共 42+ 模型，11,000 块人民币。我全部跑完了，结论汇成一个平台，还会持续更新。
今天我们来聊聊：AI 原生健康产品的标杆 —— Bevel。跟大家聊个最近我特真实的体感。这几年我一直半强迫自己戴着 Apple Watch，手机里还装了常年霸榜的 AutoSleep。我相信你们很多人也买了，但说实话：真挺鸡肋的。
最近，一篇由中国团队领衔全球24所TOP高校机构发布，用于评测LLMs for Science能力高低的论文，在外网炸了！当晚，Keras （最高效易用的深度学习框架之一）缔造者François Chollet转发论文链接，并喊出：「我们迫切需要新思路来推动人工智能走向科学创新。」
我在想，有没有这样一个工具：我不用理解节点和变量，直接说我想要什么，AI 就帮我把工作流搭出来？我尝试了很多，直到遇到 Refly.AI 这个 Vibe Workflow 平台—— AI 自动搭建工作流。它给出了一个让我眼前一亮的答案：通过 Vibe Workflow，把想法变成自动化工作流，让我真正进入口喷工作流时代。
在AI办公工具的新浪潮中，一个新的概念正迅速走向舞台中央——Agentic生产率。这已不再是单纯的自动化工具，而是AI以“工作伙伴”的身份深度嵌入日常流程，从撰写邮件到制作表格，从生成PPT到整理会议纪要，全方位提升效率。