「直播测评」共找到 306 篇相关文章
直播预约 | 如何缓解LLM-as-a-Judge的潜在偏好？UDA：一种无需人工标注的无监督去偏对齐框架
论文针对不同大模型对同一组大模型回答打分差异大等问题，提出无需人工标注、模型无关、即插即用的UDA框架，以无监督方式动态调整Elo评分，实验表明该方法能降低打分标准差、提升与人类评分相关系数。
大神Karpathy都投的AI实时视频生成模型：直播都能立即转，无限时长几乎零延迟
AI初创公司Decart推出首个零延迟无限实时视频生成的AI模型MirageLSD，大神Karpathy都投资了。它能实时生成视频流，无时长限制且延迟低至40毫秒以下，还攻克了传统模型‘误差累积’难题。
具身智能大脑+首个SaaS开源框架，智源研究院刷新10项测评基准，加速群体智能新范式
智源研究院推出通用具身大脑RoboBrain 2.0与全球首个具身智能SaaS开源框架RoboOS 2.0并全部开源。前者突破主流AI模型瓶颈，后者实现大脑云端优化与小脑技能免适配注册，降低开发门槛。
GPT-5编程测评大反转！表面不及格，实际63.1%的任务没交卷，全算上成绩比Claude高一倍
Scale AI的新软件工程基准SWE - BENCH PRO测试中，‘御三家’表面解决率低。深入看，GPT - 5已提交任务准确率比Claude高一倍。该基准新题多、更复杂，能真实考验模型能力，当前模型解决商业问题能力有限。
直播预告：小众细分赛道也能实现百万级用户？和咔皮记账聊聊初创AI APP如何突围｜AI产品Time
量子位智库的AI产品Time是聚焦AI产品的1v1深度访谈节目。6月19日20:00 - 21:00，邀请咔皮记账产品负责人张洋，解析其6个月用户破百万的成功经验，为大家带来启发。
大模型终于通关《宝可梦蓝》！网友：Gemini 2.5 Pro酷爆了
Gemini 2.5 Pro在直播中通关《宝可梦蓝》，谷歌CEO官宣。文中介绍其通关过程、玩游戏基本步骤，还探讨宝可梦对大模型的挑战，谷歌将继续探索，网友提议用通关宝可梦测试大模型 。
2026腾讯犀牛鸟开源人才培养计划正式开启
2026腾讯犀牛鸟开源人才培养计划正式开启，已连续举办5年。本届围绕3个阶段14个项目展开线上学习，新增线下开源夏令营。面向在校学生和开发者，6月18日-7月31日报名，6月30日有发布会直播。
Data+AI 新年特辑：2025 的顿悟时刻与 2026 的关键十问 | Q推荐
过去一年，Data + AI 关注点从模型能力转向企业承载 AI 的系统能力。InfoQ 联合 Snowflake 发起直播活动，邀多行业人士复盘与前瞻，有认知回顾、十问环节，结尾嘉宾留 2026 预测。
AI Spot 学术分享会丨ICLR 2026 深度推理专场
当大模型走向深度推理，ICLR 2026 汇聚全球顶尖成果。OpenMMLab 等联合发起 AI Spot ICLR 2026 学术分享会，5 月 14 日 19 点直播，聚焦模型‘慢思考’，嘉宾将解读四大核心技术。
整整21个月，豆包大模型正式进入2.0时代！
时隔21个月，豆包大模型2.0正式推出。它在多模态理解、企业级Agent、推理和代码能力上有提升，在多个基准测评中达业界最优。实测显示其在编程、数学问题处理上性能出色，性价比也具优势。