跳到正文
11月11日週三
  1. 新浪科技70

    Beni 實測:4999 元「長腿相機」的跟拍用途與限制

    妙動科技的雙輪足式跟拍機械人 Beni 已於 11 月 10 日全球現貨發售,國內起售價為 4999 元。作者試用半個月,發現它可在移動中自動追蹤拍攝對象,適用於家庭及滑板、霹靂舞、網球等城市運動場景。測試亦指出,速度超過 5m/s 後智能避障會受限,跟隨上台階則需手動開啟「自主台階躍障」功能。

  2. DEV Community45

    詞彙重疊檢查在偵測 RAG 幻覺方面勝過 DeBERTa NLI 模型

    在 RAGTruth 的 900 條測試回應中,詞彙重疊檢查偵測 RAG 幻覺的 AUROC 為 0.778,高於 DeBERTa NLI 模型的 0.716。詞彙檢查在全部 2,700 條測試回應中的 AUROC 為 0.785,而集成檢測器整體表現未勝過單獨使用詞彙檢查。作者建議把廉價檢測器用作分流訊號,而非封鎖答案的門檻。

  3. unwire.hk · 人工智能51

    香港在 IMD 2026 世界數碼及人工智能排名列全球第 11,效率升至第 5、治理跌至第 34

    IMD 首屆《2026 年世界數碼及人工智能排名》將香港列為全球第 11、亞洲第 4;按新方法回算,香港 2025 年排第 9。香港效率由回算的 2025 年第 12 升至第 5,勞動力發展列第 2;治理則由第 17 跌至第 34,數碼及 AI 管治子項排第 50。新排名取代《世界數碼競爭力排名》並納入 AI 指標,舊制的全球第 4 名不能直接與今年排名比較。

  4. 新浪科技23

    4000元價位實況調色盤深度體驗:OPPO Reno17 Pro 4K超清長實況實測

    OPPO Reno17 Pro支援全焦段4K超清長實況,在4K 60幀模式下可生成總長6秒的動態素材。手機提供17款風格實況調色盤,支援人景雙曲線精調,並可用慢動作、防抖及水平矯正功能處理影片。ColorOS 17支援將實況照片流轉至關聯的平板和手錶,也可在相冊分享界面直接發送調整後的版本。

  5. 阿里雲開發者社區 AI54

    DeliverBench 評測顯示前沿 Agent 完整項目交付最高平均分為 65.0/100,錯誤可沿依賴鏈傳播

    Theseus Lab 開源評測 DeliverBench 測試七個 Agent 系統接手完整項目,11 個項目的最高平均最終交付分為 65.0/100。以 90 分作為子任務通過門檻,最高通過率為 50.0%;評測關注跨文件依賴鏈的一致性,而非單步正確性。文章提出以證據錨點、影響範圍清單和修復傳播斷言,檢查上游變更是否傳至下游交付物。

  6. DEV Community51

    足球三分類模型審計:平局佔賽果 24%,卻只佔輸出標籤 0.8%

    SoccerDream AI 審計其平台 46,189 條已結算預測,發現實際賽果中平局佔 24.20%,但只有 360 次(0.78%)被單獨輸出為平局標籤。文中計算的模型標籤對數損失為 13.4625,市場隱含機率的對數損失為 0.9683,平局召回率則為 41.16%。作者建議儲存 p_home、p_draw、p_away 機率,並以對數損失及逐類召回率評估系統。

  7. 阿里雲開發者社區 AI41

    AiPy 與通用大模型、傳統 Python 腳本實測:同批任務的結果比較意外

    AiPy 在 600 行含有髒數據的銷售明細和三個任務場景實測中,綜合評分為 9.22/10,高於通用大模型的 5.65 和傳統腳本的 4.85。端到端任務中,AiPy 無需編寫程式碼或人工介入,並直接交付可用報告;通用大模型需 120 行程式碼和 5 次人工介入,傳統腳本則需 180 行和 8 次。

  8. 新浪科技27

    雙摺手機綜合體驗比較:HUAWEI Mate X7 的辦公與耐用性解析

    HUAWEI Mate X7 的辦公與耐用性評測涵蓋屏幕、影像、續航及日常使用,並指出它採用單鉸鏈橫向內摺結構,並非三摺手機。手機配備8英寸內屏、6.49英寸外屏及HarmonyOS 6,支援文檔對比、全局批註和跨裝置協同。實驗室測試顯示,相較上一代,內屏抗衝擊能力提升20%、耐彎折能力提升100%;實際表現會受使用環境等因素影響。

  9. DEV Community51

    jambonz 與 LiveKit:審視語音 AI 同時通話量 10 倍主張

    作者審視 jambonz 與 LiveKit 的語音 AI 同時通話量 10 倍主張,指出 jambonz 白皮書在相同 8-vCPU 配置下報稱約 250 個同時語音智能體通話,LiveKit 約 25 個。評估期間作者沒有運行 jambonz、LiveKit 或 Docker,亦缺少完整部署及硬件資料,因此建議按目標工作負載重現測試,並把授權及營運成本納入採購評估。

  10. DEV Community49

    JGENai 與 VIDRAFT 推出評估 LLM 自我錯誤偵測能力的基準測試

    JGENai 與 VIDRAFT 聯合發布元認知基準測試、24 個模型的公開排行榜及 11 款模型專用元認知適配器,用來評估模型能否察覺自身錯誤。基準包含 400 道陷阱題,分別評估選擇題準確率及開放式自我錯誤判斷能力;JGOS-31B-Citizen 排名 24 個模型之首,答對 398 題,陷阱題迴避率達 99.5%。