让AI Agent「试玩」世界模型，长程目标评测有了新基准PlayWorld
让AI Agent「试玩」世界模型，长程目标评测有了新基准PlayWorld世界模型应该如何评测？答案是：像真实用户一样去 “玩” 它。
来自主题: AI技术研报
9962 点击 2026-08-24 15:39
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
世界模型应该如何评测？答案是：像真实用户一样去 “玩” 它。
就在刚刚，OpenAI神秘双响炮泄露，打响与Claude争霸的下一战！
在 AI 时代，只要你学得足够慢，你就可以不用学。年初 OpenClaw 最火的时候，为了养一只「龙虾」，有人专门买 Mac mini，有人从命令行开始补课，装环境、配模型、研究 Skill，顺便再和各种报错斗智斗勇。
真正的智能，在于能否基于有限的数据，实现可靠的泛化与迁移。
8月18日，一篇系统梳理单细胞基础模型的综述预印本挂上 Preprints.org（doi:10.20944/preprints202608.1166.v1），标题是《The Landscape of Single-Cell Foundation Models: Design Principles, Applications, and Open Challenges》，尚未经过同行评审。
2024 年，Boris Cherny 加入 Anthropic 时，AI 编程产品大多还停留在代码补全和对话问答阶段。模型已经能够写出完整的函数和文件，但产品通常只允许它在编辑器里提出建议，很少真正赋予它读取代码库、修改文件和调用终端的能力。
AI视频领域一笔超大额融资浮出水面。
据 Business Insider 报道，人工智能开源平台 Hugging Face 正探索出售事宜，交易估值有望达到 130 亿美元（约合人民币 876.6 亿元）。该公司总部位于纽约，目前托管着大量开源大语言模型和数据集，并已聘请投行协助评估潜在竞购方意向。
香港大学、香港科技大学与腾讯 ARC Lab 联合提出 SCoPE（Sightline-Coordinate Positional Encoding），一套面向视频 DiT 的射线空间位置编码：让视频模型处理位置关系的基底从张量网格转向射线空间。
Anthropic又有两张「新牌」，被提前掀开了！今天，第三方开发者应用和Discord社区中，接连出现了两个陌生的模型ID——claude-mashmallow-eap（棉花糖） 和claude-melon-eap（甜瓜）