AI圈报
论文研究普通

Artificial Analysis 推出 AA-Robotics v0.1 具身智能评测

信息来源：Artificial Analysis 完整文章（网页）·
原始标题：Welcome to the era of embodied AI: Introducing AA-Robotics v0.1

内容摘要

Artificial Analysis 发布 AA-Robotics v0.1，用 8 项实体任务评测具身智能，包括按红色按钮、把鳄鱼玩具放进矩形、倒饮料、整理积木、形状匹配、写 hello world、搭最高塔和测量盒子。
内容分类AI 论文与研究
内容层级普通情报
发布时间（北京时间）
本站收录时间（北京时间）
信息来源Artificial Analysis 完整文章（网页）
站内情报编号intel-5ada8e9dd3fdb60b8aea0b9f
阅读原始信息 ↗查看数据来源更多论文研究

相关推荐

综合分类、实体标签与信息来源匹配

论文研究精选
Artificial Analysis 评测 GPT-6 Sol 和 Luna：价格减半但各项表现有升有降
Artificial Analysis 评测 OpenAI 的 GPT-6 Sol 和 Luna，两模型价格较 GPT-5.6 约减半，Sol 定价 $2/$10、Luna $0.10/$0.50 每百万输入/输出 token。
信息来源：Artificial Analysis 完整文章（网页） · OpenAI / GPT
论文研究普通
Artificial Analysis 发布 Decision Index v1.0
Artificial Analysis 推出 Decision Index v1.0，用于衡量决策模型的表现。该指数同时考察决策模型的成本与时间效率，并指出决策模型存在过度自信问题。文章还对比了决策模型与 LLM 的差异，以及模型"知道何时不该回答"的能力。
信息来源：Artificial Analysis 完整文章（网页）
论文研究普通
Artificial Analysis 发布 AA-3D：评测 AI 模型构建交互式 3D 体验的基准
Artificial Analysis 推出 AA-3D v1.0，用于评测 AI 模型构建交互式 3D 体验的能力，并同步上线排行榜。该基准覆盖场景构建、单场景成本等维度，后续将随新模型发布持续更新榜单。
信息来源：Artificial Analysis 完整文章（网页）
论文研究普通
Artificial Analysis 发布 FrontierCode 1.1 编程评测：Claude Opus 5.5 以 52% 得分居首，领先模型失败率仍超 40%
Artificial Analysis 独立运行 Cognition 的 FrontierCode 1.1 Main 编程评测，用统一的 Stirrup agent harness 测试 100 个真实开源仓库任务。
信息来源：Artificial Analysis 完整文章（网页） · Claude
论文研究普通
Artificial Analysis 评测蚂蚁集团金融模型 Ling-3.0-flash-Fin
蚂蚁集团发布基于 Ling-3.0-flash 的金融开源权重模型 Ling-3.0-flash-Fin，在 Artificial Analysis Intelligence Index 得 23 分，Finance & Accounting Index 得 24 分。
信息来源：Artificial Analysis 完整文章（网页）
论文研究普通
Artificial Analysis 发布 Capability Indices v1.1，强化领域调优
Artificial Analysis 将 Capability Indices 升级至 v1.1，结合 Intelligence Index v4.2 和 v4.3 的评估切片与专项评测，按领域进行更强调优。
信息来源：Artificial Analysis 完整文章（网页）
论文研究普通
Artificial Analysis 发布 Intelligence Index v4.3，引入 Terminal-Bench v4 与 AutomationBench-AA
Artificial Analysis 发布 Intelligence Index v4.3，将 Terminal-Bench 从 v2.1 升级到 v4，并用与 Zapier 合作、含 657 个私有测试任务的 AutomationBench-AA 替换 τ3-Banking。
信息来源：Artificial Analysis 完整文章（网页）
论文研究精选
MIT团队用机器学习修正误差，将两到六周天气预报准确率翻倍
MIT研究人员团队在Nature发表论文，提出一个机器学习后处理层，通过从历史数据中学习现有预报模型的错误并修正其输出，将两周到六周范围的预报准确率翻倍。该模型在ECMWF的季节间预报竞赛中获第一名，首次在该时间范围内稳定超过气候学平均值，并显著改善洪水、寒潮等极端天气事件的预测；模型开源、低成本、可附加于任意预报模型，肯尼亚气象部门已接洽用于改进季风季预报。
信息来源：MIT News（RSS）
论文研究精选
Visual Studio Copilot 与 SSMS 远程代码执行漏洞（CVE-2026-103572）技术分析
Johann Rehberger 披露 Visual Studio Copilot 与 SQL Server Management Studio 中的远程代码执行漏洞 CVE-2026-103572，根因是利用文件名末尾多加一个点绕过路径校验，写入 .mcp. 或 settings.VisualStudio. 等受保护配置文件，实现任意命令执行。
信息来源：Johann Rehberger / Embrace The Red（RSS）
论文研究精选
AWS 提出 priming 方法，可将预训练 Transformer 改造成混合状态空间架构
AWS 团队发布论文《Priming: Hybrid state space models from pre-trained Transformers》，提出 priming 方法，复用预训练 Transformer 权重构建混合架构，将预训练成本降低逾 99%，全流程消耗不足源模型 0.5% 的 token 预算。
信息来源：Amazon Science（RSS）