中国信通院人工智能所发布具身智能基准测试工业场景专项评测结果
相关推荐
AI Safety Benchmark大模型迎合谄媚风险测试2026 Q3版结果发布
火星财经消息 11月5日,为系统评估大模型迎合谄媚风险,中国信息通信研究院组织开展AI Safety Benchmark 2026 Q3大模型迎合谄媚风险测试,同时参照《工业和信息化领域人工智能安全评测框架(2026版)》,重点考察模型能否保持事实准确性、独立判断和应有原则。26个模型的总体迎合率平均为9.4%,最高达25.5%,约为平均值的2.7倍。其中,6款模型迎合率在15%以上,14款模型迎合率超过10%,占比过半;同时有11款模型迎合率在5%以下。各模型抗迎合能力差异明显。(中国信通院)
Ricursive发布开源权重模型Ripple-65B Preview,TerminalBench 2.1上取得80.52分
PANews 11月5日消息,据Ricursive Intelligence公告,该公司发布从零预训练的65B稠密开源权重模型Ripple-65B Preview,支持最长约100万token上下文,称在智能体编程基准TerminalBench 2.1上取得80.52分,超过参数规模更大的美国开源权重模型Reflection Beam 501B(80.1)等;全研发成本约3200万美元,权重已上线Hugging Face、Together AI、GMI Cloud与OpenRouter。
CF Benchmarks 推出链上定价服务,支持贝莱德 Bitcoin ETF 的指数数据上链
火星财经消息,据 CoinDesk 报道,Kraken 母公司 Payward 旗下的指数提供商 CF Benchmarks 推出 CFB Oracle,将用于贝莱德 Bitcoin ETF 及 CME Group 加密货币期货的定价基准引入区块链应用。该服务提供加密货币、股票、债券、大宗商品及外汇等市场的基准数据,支持开发者构建链上指数基金、代币化投资组合及衍生品等产品。CF Benchmarks 称,其指数目前服务于代表超过 1200 亿美元资产的产品。CFB Oracle 现已支持 Ethereum、HyperEVM 和 Robinhood Chain,未来计划扩展至其他兼容网络。Payward 还计划将该服务用于即将推出的美国永续合约产品,为其提供定价数据,该产品目前仍在等待监管批准。该服务将与 Chainlink、Pyth 等预言机提供商展开竞争。
英伟达支持的 doubleAI 推出新模型
火星财经消息,据华尔街日报报道,英伟达支持的初创公司 doubleAI 推出新模型,旨在降低计算成本。
AI房地产科技公司EliseAI完成3.5亿美元新一轮融资,a16z与Bessemer联合领投
Odaily星球日报讯 AI 房地产科技公司 EliseAI 宣布已完成 3.5 亿美元新一轮融资,估值达到 40 亿美元,Andreessen Horowitz(a16z)和 Bessemer Venture Partners 联合领投,现有投资者 Sapphire Ventures 与 Navitas Capital 参投,这是该公司自 2023 年以来第四次获得 a16z 和 Bessemer 的投资,距离其上一轮 2.5 亿美元 E 轮融资仅约 13 个月。 据悉,EliseAI 软件目前主要提供房屋自动化租赁、住户服务、维修请求和租约续签,平台覆盖全美约六分之一的公寓。这笔新融资将用于产品开发,并扩大 EliseAI 在北美的工程、部署和销售团队。(Fortune)
Jevgrep让Coding Agent少自己找代码:SWE-bench主模型成本降29%
动察 Beating AI 快讯,开发者 David 基于 Jev 开源了一个专门给 Coding Agent 找代码的研究工具 Jevgrep。 用户只要问一句「登录校验写在哪里」,它就会用 TypeSafe 的决策模型 Jev 逐层搜索代码库,找出相关文件和源码片段,再交给 Claude Code、Codex 等 Agent 继续修改和测试。 它主要解决 Coding Agent 很费 token 的「找代码」环节。Jevgrep 不会先把整个仓库塞给模型,也不是只做一次语义搜索。它会先判断哪些目录值得继续找,再检查相关文件和代码声明,最后返回源码片段、行号和后续阅读线索。仓库还提供了 Skill,让 Agent 知道什么时候调用 `jg` 收集上下文。 最新 SWE-bench 实验用了 10 个 Python 任务。使用 Jevgrep 和不用 Jevgrep 都完成了 8 个,但 GPT-5.6 Sol 的总成本从 7.62 美元降到 5.44 美元,减少 28.63%。作者最初在 X 上写的是 40%,仓库随后更新实验结果,目前已经改成「约 30%」。 不过,这个数字只统计 Sol 的费用,没有把 Jev 算进去。实验日志中能够确认的 Jev 调用费用已经至少有 1.57 美元,部分调用缺少完整计费记录,实际总额未知。此外,这组实验只有 10 个任务,而且每题只跑了一次。