军事任务分析AI实测:62分都够不到,25.9%概率踩雷

资讯 腾讯网 作者:科技行者 全文 5425 字 · 约 14 分钟读完 分类合作

你有没有想过,一个军官要花一周时间才能写完一份作战分析报告?这不是夸张。真实的军事行动分析,需要一个参谋团队把成堆的情报文件、作战命令、地图资料嚼碎了消化,然后吐出一份结构化的判断:敌人想干什么,我们能干什么,哪些是事实哪些是猜测,还缺什么信息才能做决定。这个过程在美军联合作战计划流程里有个专门的名...

所属频道 合作与生态

一份作战分析报告,军官得写上一整周,这事你想过没有?

这并不夸张。放到真实的军事行动里,分析工作需要一批参谋凑在一起,把大量情报文件、作战命令、地图资料反复消化,最后拿出一份条理清楚的判断:敌方意图是什么,我方能力有多大,哪些属于事实哪些属于推测,还差哪些信息才能拍板。在美军联合作战计划流程中,这个环节有专门叫法——“任务分析”。它不负责给方案,只负责把问题讲明白。可一旦这一步出了错,往后的作战计划就会一路错下去。

那换成AI来做,会是什么结果?

来自Scale AI和Data Machines的研究团队,就想把这个问题弄清楚。他们做的事情挺硬核:造了一个叫

这个数字究竟意味着什么,我们慢慢说。

难点到底在哪

有件事得先讲明白:这道题没有标准答案。

让AI做数学题,2+2=4,算错就是算错。军事任务分析不是这样。两份分析报告措辞完全不同,可能都算合格,只是各自侧重不同。想靠“跟参考答案像不像”来打分,根本行不通。

好比让两个厨师做同一道菜。你不该要求他们摆盘、调味比例分毫不差才算过关,真正要看的是:该放的关键调料有没有落下,该避开的致命问题(比如过敏原)有没有出现。摆盘好不好看,其实无关紧要。非要按“像不像参考答案”打分,两个风格不同但都做得不错的厨师可能双双被判不及格,反倒是一个照抄菜谱、手法粗糙的厨师拿了高分。传统那套“文本相似度”评测办法,在这里派不上用场,原因就在这儿。

研究团队的办法是:文字写得多漂亮不管,只看报告里该做的判断有没有做出来。

他们设计了十个虚构但高度贴近现实的军事危机场景,每个场景配上十到十二份文件,涵盖战略背景、情报简报、作战命令、法律附件,字数从三万多到二十四万多不等。随后,专业军事规划人员针对每个场景写出一份详细

评分清单

这1257条规则并非随手拟定。每条都得过六道关:只测一件事(不能把两个要求并成一条)、答案非黑即白、能直接在提交的报告里核查(不管写报告的人当时怎么想)、有明确的文档或条例依据、不翻原始文件也能判断对错,还不能和别的条目重复。研究者举过例子:原始要求若是“保护基础设施并遏制破坏”,必须拆成两条独立检查项,不能图省事合成一条问。

难度分成三种:看得见的和看不见的

这份

第一层叫

拿一个具体场景来说。“海湾卫士”讲的是美国总统宣布在古巴海岸设禁飞区以保护平民,同时另有一个“政权更迭”的后续计划被暂时搁置,等着最高指挥当局批准。这里有个

这道题的答案,文件里一个字都没写。文件只是分别讲了两件事,两者之间的矛盾关系并未点破。能不能看出这一层,考的是参谋级的判断力,跟信息检索不是一回事。

好比让你读两份互不相干的会议纪要:一份说公司决定给某位老员工升职加薪,另一份说公司正在悄悄调研这个岗位要不要外包。两份纪要单看都没毛病,可你作为旁观者得自己反应过来,这两件事摆在一起会很尴尬,会打击士气,舆论口径上得小心处理。把两件事凑到一块儿看出矛盾,这种本事比读懂每一份文件难得多。若不单独测它、只测信息提取,AI看上去会表现不错,实际离能用还差得远——它压根不知道自己正踩在雷区上。

结果如何?三层难度上,AI的成绩呈现出一条清晰的递减曲线。

正向与负向两类考题:既要会说,也不能乱说

评分清单里还藏着一个反直觉的设计:有些题是反着问的。

多数评分条目属于“正向”,问的是报告有没有做出某个该做的判断。另有一类“负向”条目,专门列出具体的“不该犯的错误”,报告一旦犯下就扣分。比如有条考题专门查:报告有没有把一个“中等可信度的情报归因”当成“已确认的事实”来处理。原始情报文件里写得清清楚楚,这是跨源交叉评估,不是定论;AI模型要是把这种不确定性抹掉,写成“确定是某国代理人发起的攻击”,就是一个要扣分的实质性错误。

这么设计的道理是:信息不全不可怕,乱下结论才可怕。报告漏掉某个判断,顶多算不完整;可要是把不确定的东西说成确定的,就会直接误导决策者。两者严重程度差着量级。

针对这两类错误,研究团队设了不对称的分值。重要缺失的扣分权重为正,从+2到+9不等,对应漏掉该判断对分析造成的伤害程度。“不该犯的错误”则是负分,-5到-9,而且这笔扣分不会被别处的得分抵消。换句话说,报告就算在九十个地方做得完美,只要在一个关键点上把猜测说成事实,负分照样实打实扣下去。

这就像开车路考。考官不会因为你倒车入库练得滚瓜烂熟,就抹掉你闯红灯的扣分。闯红灯这类致命错误单独算账,侧方停车再漂亮也换不回来。评分规则若不这么设,AI完全可能靠在简单题上堆一大堆正确答案,把一处致命事实性错误的扣分“冲”平——真实的军事决策场景里,这绝对不能接受,因为一个被当成确凿事实的猜测,可能把整个作战计划带偏。

实验结果显示,“致命错误”确实在发生。四千多个负向考题的检测中,AI模型平均有25.9%到28.3%的概率真踩进陷阱,大约每份报告会犯三到五次这类错误,其中两次左右属于最严重级别。而且,在“写得很直白的文件陷阱”上,这个错误率更高,达到35%,比需要推理的陷阱(21%)还高。这说明AI并非不会推理,而是在面对那些写得过于确定、容易被直接采信的文字时,反倒更容易放松警惕,把不确定的描述当成板上钉钉的事实。

打分这件事由谁来做:让AI评判AI,可信吗

绕不开的疑问是:答案本身没有唯一标准,那AI交上来的报告到底合不合格,该由谁定?

研究团队的办法,是再找一个AI模型来当裁判。做法是把评分清单和AI生成的报告一并交给一个推理能力很强的模型,让它逐条打分,返回时只列出没通过的条目,通过的条目不显示,免得裁判图省事一路放行。这个裁判全程看不到原始文件包,只能依据评分清单里附带的“标准答案”和“通过/失败条件”作判断。评分标准因此是统一的,裁判对场景理解上的偏差也就影响不到结果。

可这么一来,更根本的疑问又冒出来了:AI当裁判,靠得住吗?

研究团队没有直接采信AI裁判,而是单独做了一轮验证:请四位有专业军事教育背景的规划人员各自独立地给190个评分条目打分,再比对AI裁判与这四人的意见是否一致。结果显示,四位专家之间的一致程度(用一个叫Fleiss kappa的指标衡量)和AI裁判与专家之间的一致程度差不多。

也就是说,AI裁判出的“错”和人类专家出的“错”属于同一类型、同一量级。它并非乱打分,判断水平大致相当于一名合格的参谋人员。

研究团队还换用另外两家公司的模型重新打分,看换裁判会不会让结果大幅变动。其中谷歌的模型重评了全部1050份报告,与原裁判的一致率达到84%,排名相关系数也保持在较高水平。

这好比请三位不同餐厅的主厨来评同一场厨艺比赛。三位给出的名次排序高度一致,那这个名次大致反映的就是选手真实水平的差异,而不是某位主厨个人口味的随机起伏。少了这层交叉验证,整套评测的可信度就站不住:读者完全可以说,这个排名也许只是裁判恰好偏爱某几家公司的技术风格。

二十个模型的成绩单:谁考得好,谁考得差

方法论交代完,该看结果了。

被测试的是二十个主流AI模型,闭源开源都有。排第一的是Muse Spark 1.3,正确率62%,加权得分0.574;Grok 4.6(0.540)和Claude Opus 5(0.514)跟在后面。开源阵营里成绩最好的是GLM-5.3,得分0.505。垫底的是Gemma 4 31B,只有0.302。

0.30到0.57,这个区间看着跨度不小。但研究团队提醒,每个模型的置信区间宽约正负0.08,排名中间挨得近的模型其实分不出高下,只有最前和最后那几个,差距才真实存在。

更值得琢磨的是,模型得分与它背后的参数规模、算力投入之间,并没有呈现出简单的正相关。

还有个细节挺有意思:Claude Fable 5.1的得分区间格外宽,原因不在判断力忽高忽低,而是它在两个场景里直接被判定为无法完成。

AI到底强在哪,又弱在哪

把各模型的表现拆到军事任务分析的十二个具体步骤上看,一个清晰的模式浮了出来。

AI模型在“描述现状”这类步骤上普遍拿分较高。

表现最差的,则是“预判局势走向”以及“据此提出决策建议”这类步骤。

两相对照,揪出一个很根本的问题:AI擅长描述现状,却不擅长判断局势会往哪个方向走,以及这个方向会逼出什么决定。

这就像让一个新来的助理去读一堆往来邮件再汇报。谁说了什么、截止日期是哪天,他能准确复述,这些都没问题。可你问他,根据这些邮件老板接下来最可能面临什么两难选择、还缺哪个关键数据才能拍板,他往往就说不清了。这不是记忆力的事,是经验和判断力的事。军事任务分析里最核心、最有价值的部分,恰恰就是这种“往前看”的能力。AI在这上面持续薄弱,那它顶多是个很称职的文件摘要员,离真正辅助决策还有距离。

研究团队还细拆了失败原因。三万一千多个失败考题里,60.2%属于彻底的遗漏——该说的话根本没说;只有1.6%是内容本身出错或缺乏依据。这个比例在不同模型、不同难度层级、不同重要程度上几乎不变。

这个发现有点扎心:只检查AI写的东西里有没有错误句子,会错过绝大多数真正的问题。问题不在“写错了”,而在“没写”。一份报告读起来流畅、专业、逻辑自洽,偏偏漏掉一个最关键的判断——这种缺陷,用传统“查错”的思路完全抓不出来。

篇幅限制和算力投入:多想一会儿有用吗

团队另外设计了几组对照实验,考察篇幅限制与AI"思考时长"是否会左右得分。

他们给所有模型设了三千字的篇幅上限,依据是真实参谋报告差不多就这么长。放开限制后,几乎所有模型的分数都往上走了,GPT-6 Astra从0.485升到0.562,多了0.078分,篇幅则扩张到原来的三倍。可见模型肚子里知道该写的东西其实更多,是三千字这道线逼它做选择,而这种取舍本身就是能力的体现——现实里也没人会把报告写成几千字。

不过写得长不等于分高。输出最长的Gemini 3.8 Flash平均写了5200字,得分只有0.371,反倒不如从未触到篇幅上限的Qwen3.8-Max(0.410)。堆字数填不上判断力的窟窿,写得多不代表说得对、说得全。

研究团队还调整了几个模型的"思考时间",想看多想一会儿有没有用。

这倒让人想到一件事:我们常以为多给AI一些思考时间就能解决问题,好比让新手多琢磨几遍就成专家。可有些能力上的差距,不是多耗几分钟能补的,它要的是真正理解局势怎么演变的经验——这恰好是眼下AI模型最缺的。

写在后面

读完这份研究,真正打动我的不是那个62%的数字,而是团队为何要把"遗漏"和"错误"拆开单独统计。

这戳中了一个平时容易被忽略的评测盲区。我们总觉得检查AI输出就是挑错,找那些写歪的、编造的、不合逻辑的句子。但论文用数据说明,在这类复杂分析任务里,六成问题压根不是"写错了",而是"该写的没写"。这种缺陷在读的时候几乎隐身:一份报告读来流畅自信,偏偏缺了最该有的那个判断,普通读者根本看不出毛病在哪,只有拿1257条清单逐条核对才能揪出来。

顺着想,还有个更大的问题:如今评价很多AI产品,方式也常常停在"有没有写错"这一层,比如事实核查、逻辑一致性检查。可要是一个任务的核心价值在于覆盖全不全、该想到的有没有想到,这种评法可能一开始就抓错了重点。

另一个让我反复琢磨的细节,是AI模型在"描述现状"和"预判决策"两类任务上的巨大落差。落差背后或许指向更深一层:现在的大模型,说到底是靠海量文本学"事情是怎样被描述的",而不是学"身处局势之中的人该怎么往前看"。描述现状是对已有信息做加工整理,AI越做越好;可预判局势往哪走、什么决定即将被逼出来,需要的是代入决策者位置的推演能力,而这种能力在训练数据里几乎找不到现成的"标准答案"可供模仿。

论文测的是军事领域,但这个落差恐怕不止于军事。凡是需要"从现状推演下一步该做什么决定"的工作,可能都会撞上同一堵墙。

墙什么时候能被打穿,也许要看AI究竟在学"怎么说话",还是在学"怎么思考"。

Q&A

Q1:

A:

Q2:

A:成绩最好的是Muse Spark 1.3,正确率62%,加权得分0.574,Grok 4.6(0.540)和Claude Opus 5(0.514)跟在后面,二十个模型整体看没有一个接近满分。

Q3:AI在军事任务分析里为什么表现不佳?

A:研究显示,AI模型最大的毛病不在写错内容,而在大量遗漏该说的判断,六成失败属于彻底遗漏。复述文件里已写明的东西,AI很拿手;可一旦要预判决策、推理隐藏矛盾,表现就明显掉档,正确率仅33.4%。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 苹果联合OpenEvidence启动健康AI研究:招募20万人评估

    IT之家 11 月 16 日消息,当地时间 11 月 15 日,苹果宣布启动 Apple Health AI Usage Study,与临床 AI 平台 OpenEvidence 合作,在美国招募最多 20 万名 21 岁及以上用户,评估人们如何与对话式健康 AI 工具互动。此次研究将通过一款专用 iOS 应用进行,参

    来源 腾讯网
  2. 2026人工智能+大会专访:AI如何穿过数据、物理世界与安全边界

    “AI产业化的关键,是让产业AI以数据、闭环与安全托底真实生产。在2026人工智能+大会上,算力、模型、智能体、具身智能、行业应用成为密集出现的关键词。但走出主论坛和分论坛之后,一个更具体的问题浮现出来:当AI不再只是生成一段文字、回答一个问题,而是要读懂物流单证、进入生产线、连接内网系统,甚至操控现实世界中的设备时,

    来源 腾讯网
  3. OpenAI推ChatGPT钱包:联手三大支付网络,AI代理可代付

    财联社11月14日讯(编辑 史正丞)随着越来越多的AI代理能够进行商品比价、旅行规划,科技巨头正试图打通这套流程中的下一个环节:让AI能够以尽可能安全的方式完成付款。北京时间周五晚间,OpenAI宣布推出ChatGPT钱包。该产品的主要卖点是AI巨头与美国运通、万事达和Visa三大支付网络合作,通过替代支付凭证,让AI

    来源 腾讯网
  4. 中国东盟:2027年定为AI合作年,自贸区3.0版2026年12月生效

    IT之家 11 月 16 日消息,据央视新闻今日报道,中国与东盟宣布将 2027 年定为人工智能合作年。 此外,中国-东盟自贸区 3.0 版升级议定书将于 2026 年 12 月 1 日生效。 IT之家注:东南亚国家联盟(ASEAN,简称东盟)是一个由东南亚国家组成的政治经济联盟,1967 年 8 月 8 日在泰国曼谷

    来源 AI 行业观察
  5. 美国ULA“火神”火箭复飞失利,亚马逊40颗宽带卫星全损

    ULA发射负责人根据飞行数据确认,火箭在升空约10分钟后出现异常,未能将卫星送入低地轨道,目前尚无具体数据判断事故原因。亚马逊已从ULA购买了38次“火神”发射服务,当天的任务是这一合同中的首次执行。随着首飞失利,亚马逊借助“火神”大规模部署低轨卫星的节奏将不可避免地受到影响。ULA表示,将与亚马逊及其他相关机构密切合

    来源 TechWeb
  6. 亚马逊40颗卫星随“火神”升空失利,ULA成立以来首次全损

    ULA发射负责人根据飞行数据确认,火箭在升空约10分钟后出现异常,未能将卫星送入低地轨道,目前尚无具体数据判断事故原因。亚马逊已从ULA购买了38次“火神”发射服务,当天的任务是这一合同中的首次执行。随着首飞失利,亚马逊借助“火神”大规模部署低轨卫星的节奏将不可避免地受到影响。ULA表示,将与亚马逊及其他相关机构密切合

    来源 TechWeb
  7. 燃气轮机订单排到2031年,AI公司开始拆航发供电

    (本文作者为 硅碳变量,钛媒体经授权发布)文|硅碳变量,作者|沈浪据英国《金融时报》11月8日报道,Anthropic在9月下旬与位于德克萨斯州圣安东尼奥的设备供应商OnePWR Solutions完成一笔交易,以34亿美元(约合人民币227亿元)锁定1.7吉瓦重型发电机供货,用于数据中心的电力供给。更早之前,AI基础

    来源 腾讯网
  8. OpenAI、Anthropic估值双双破万亿:30家AI公司上榜,中国两家进前十

    图片由AI生成文丨晓静编辑丨徐青阳11月15日,硅谷老牌风投机构Menlo Ventures合伙人Deedy Das(@deedydas)在社交平台晒出一张全球AI公司估值与营收排行榜。Menlo Ventures成立于1976年,是硅谷历史最悠久的风险投资机构之一,曾投资Uber、Chime等知名科技公司。近年来,这

    来源 腾讯网
  9. 黄仁勋辞职三天密谋回归:硅谷组作战室,15万人请愿

    黄仁勋要杀回英伟达了?! 今早,外媒甩出一记重磅爆料,辞职仅三天,黄仁勋正联手亲信密谋回归英伟达CEO王座。 谷顶级大佬已连夜行动,组建了一个高管「作战室」,向英伟达董事会发起逼宫。 与此同时,他们还在努力争取白宫的支持。 短短一周,英伟达市值蒸发了超5700亿美金,创下了单周损失的最大纪录。 继昨天首破十万大关后,全

    来源 AI 行业观察
  10. 微软致歉全球服务中断:网络容量升级所致,恢复时间未定

    【TechWeb】11月14日消息,当地时间11月13日,微软公司就一起导致数百万用户受影响的全球性服务中断事件公开致歉。微软表示,此次故障“与网络攻击或人工智能/智能体(AI agents)无关”,而是由早先一次“网络容量升级”引发。目前,公司尚无法预计服务何时能够完全恢复。 据央视新闻报道,微软在声明中对此次事件给

    来源 AI 行业观察
  11. 海睿数科双授权:6人团队、8张腾讯云认证,服务500余家企业

    一、一张证书与一层身份:双授权到底意味着什么 企业服务市场里,"战略合作""生态伙伴""授权服务商"这类称谓长期缺乏统一标准。海睿数科的做法是把凭证摆出来,让客户自己核对。 腾讯云原厂出具的授权文件载明三项信息:授权对象为苏州海睿数字科技有限公司,授权范围为"腾讯 WorkBuddy/CodeBuddy 官方授权合作伙

    来源 AI 行业观察
  12. 腾讯总办号召AI时代再创业:不拥抱就是被颠覆

    今日,“腾讯文化”公众号发文《总办号召 AI 时代再创业,“心态归零”》,再度谈及28岁生日这天,腾讯总办对AI时代的机会、挑战与选择的看法。文章指出,面对技术变革的巨浪,没有人是旁观者。所有人都要做出选择。如果不想被颠覆,真正重要的事只有一件:一起动起来。“现在进行的智能革命如果不投入拥抱,就是被颠覆。这是一个生死存

    来源 TechWeb
  13. 腾讯总办喊话AI再创业:不投入拥抱就是被颠覆

    今日,“腾讯文化”公众号发文《总办号召 AI 时代再创业,“心态归零”》,再度谈及28岁生日这天,腾讯总办对AI时代的机会、挑战与选择的看法。文章指出,面对技术变革的巨浪,没有人是旁观者。所有人都要做出选择。如果不想被颠覆,真正重要的事只有一件:一起动起来。“现在进行的智能革命如果不投入拥抱,就是被颠覆。这是一个生死存

    来源 TechWeb
  14. Apple Pay韩国接入KakaoBank,第二家合作机构落地

    11月16日,财闻海外资讯援引韩联社报道,苹果(AAPL.US)旗下移动支付服务Apple Pay在韩国市场打破现代卡(Hyundai Card)独家合作格局,互联网银行Kakao Bank(323410)正式加入,引发市场对其扩张前景的关注。Apple Pay于2023年3月由现代卡率先引入韩国,历经约3年8个月方迎

    来源 腾讯网
  15. 机器人产业升温:南方电网联手宇树,京东工业上线零部件采购平台

    * 行业动态 机器人行业日报(11.14) : 机器人产业升温 机器人产业升温,多企业与机构合作布局,市场规模预计2025年达9150亿元。南方电网与宇树科技签署战略合作,特斯拉人形机器人预计2027年底交付。全球具身智能企业超400家,中国占比半数。京东工业发布机器人零部件采购平台,沈阳市举办融资需求对接会。2026

    来源 腾讯网
  16. 黄仁勋去职风波:马斯克等科技高管联名请愿,11.5万签名要求复职

    11月14日报道,埃隆·马斯克等科技公司高管联名签署请愿书,呼吁英伟达董事会恢复黄仁勋的CEO职务。截至周六下午,该请愿书已获得超过11.5万个签名,其中包括5965名英伟达现任员工、1108名前员工及63063名股东。 公开支持者还包括特斯拉和SpaceX CEO埃隆·马斯克、Replit CEO

    来源 AI 开发者社区
  17. CataX AI种轮融资4000万:Agent原生推进新药临床开发

    近日,上海凯思达生物医药科技有限公司 宣布完成4000万元人民币种子轮融资,由启明创投孵化并独家投资。CataX AI创立于上海,是一家智能体原生的创新药研发公司。CataX AI聚焦临床开发端,以智能体为技术底座,并由此构建“Clinical-of-One”这一全新的组织范式,计划通过许可引进或共同开发,推动临床前及

    来源 TechWeb
  18. CataX AI获4000万种子轮融资,用Agent推进新药临床开发

    近日,上海凯思达生物医药科技有限公司 宣布完成4000万元人民币种子轮融资,由启明创投孵化并独家投资。CataX AI创立于上海,是一家智能体原生的创新药研发公司。CataX AI聚焦临床开发端,以智能体为技术底座,并由此构建“Clinical-of-One”这一全新的组织范式,计划通过许可引进或共同开发,推动临床前及

    来源 TechWeb
  19. CataX AI完成4000万元种子轮融资,启明创投孵化并独家投资

    【TechWeb】11月16日消息,近日,上海凯思达生物医药科技有限公司(下称CataX AI)宣布完成4000万元人民币种子轮融资,由启明创投孵化并独家投资。 CataX AI创立于上海,是一家智能体(Agent)原生的创新药研发公司。CataX AI聚焦临床开发端,以智能体为技术底座,并由此构建“Clinical-

    来源 AI 行业观察
  20. Anthropic花34亿美元买发电机:AI算力争夺战打到电力端

    据英国《金融时报》11月8日报道,Anthropic在9月下旬与位于德克萨斯州圣安东尼奥的设备供应商OnePWR Solutions完成一笔交易,以34亿美元(约合人民币227亿元)锁定1.7吉瓦重型发电机供货,用于数据中心的电力供给。 更早之前,AI基础设施公司Crusoe于4月向密苏里州ProEnergy订购13台

    来源 AI 行业观察
  21. 黄仁勋去职风波:马斯克等联名请愿,超11.5万签名要求复职

    11月14日报道,马斯克等科技高管联名签署请愿书,呼吁英伟达董事会恢复黄仁勋CEO职务。截至周六下午,已有超11.5万人签名,包括5965名现任员工、1108名前员工和63063名股东。支持者还有Replit、Epic Games、Y Combinator的CEO等。请愿书提及黄仁勋在缺乏正当程序情况下的问题。

    来源 AI 产业速递
  22. AI 版拓麻歌子来了:日常物品秒变需要被照顾的虚拟宠物

    OATs 通过电子墨水屏与传感器,让植物、滑板、哑铃等物品拥有虚拟宠物形象,以情绪变化反馈使用状态。该技术由卡内基梅隆大学博士生金大华开发,硬件成本约 20 美元,目前续航仅 3 至 4 天。#AI智能体# #卡内基梅隆大学#

    来源 IT之家
向下滚动自动加载更多