「评估标准」共找到 1007 篇相关文章
AI「生肉证明」堆爆GitHub！陶哲轩重磅发声：只会解题没用了
陶哲轩判断数学从证明稀缺进入过剩时代，AI 使证明生成加速，出现验证和消化跟不上的‘阻抗失配’现象。如 Erdős 问题有众多待评估方案堆积，而仅1196号案例跑通‘三件套’。他还指出学术评价体系将重写。
端到端语音模型：从语音表征到模型架构
本文整理自阶跃星辰语音模型负责人杨学锐在2025年QCon全球软件开发大会的分享。介绍大模型对语音技术的重塑，涵盖识别、合成等方面；阐述端到端语音模型构建，涉及表征、架构、训推和任务；还提及模型评估方法。
诺奖、金牌与SOTA：谷歌2025八大领域核心突破年终回顾
2025年是AI成为社会基础能源的关键转折点，谷歌通过全栈自研与生态标准双轮驱动构建智能基础设施帝国。从模型推理到科学发现领域均有突破，如Gemini 3系列、Ironwood芯片等，还在各领域有诸多应用与探索。
张一甲：2025中国科技投资痛点、趋势与展望 | 甲子光年
8月21日，甲子光年创始人张一甲发布《2025中国科技投资：痛点、趋势与展望》报告。指出当前一级市场科技投资止跌回暖但堵点仍存，还阐述了硬科技引领、AI投资逻辑变化等七大趋势，最后用“星空坐标系”评估投资赛道。
谷歌将 A2A 捐赠给 Linux 基金会，但代码实现还得靠开发者自己？！
当地时间6月23日，Linux基金会宣布与多公司成立A2A项目，由谷歌捐赠协议规范等。A2A是谷歌4月推出的开放标准，支持智能体通信协作。有开发者认为它或削弱MCP地位，但谷歌称是其“补充”。实际应用有诸多问题待解。
全球首次，Transformer「混血」速度狂飙65倍！英伟达已下注
康奈尔、CMU等机构研究者提出「混合体」Eso - LM，融合自回归和离散扩散模型范式。它引入KV缓存机制，推理速度相比标准MDM提升65倍，在速度与质量平衡上超越BD3 - LM，引发AI领域关注，英伟达或押注此方向。
把 Gemini 和 GPT 放到《我的世界》当教练，谁能看懂机器人的微操？
国立清华与英伟达团队研究《VLM-AR3L》，把Gemini 2.0、GPT-4.1等拉进考场，评估视觉裁决能力。结果显示Gemini综合最稳，开源小模型特定场景反超。还提出VLM-AR3L框架破使用瓶颈，实战超人类手写奖励。
Agent Skill规范、构建与设计模式
文章深入解析 Agent Skill 的规范、构建与设计模式。介绍了 Skill 规范标准、三层渐进式加载机制和触发机制，阐述了 Skill-Creator 和 Writing-Skills 的核心思想，还总结了 Google 的 5 种 Skill 设计模式，最后指出 Skill 生态已形成完整知识体系。
从大数据到好猜想：如何用大模型做市场研究？
文章指出大模型重塑用户需求调研，并非按常规用AI获取和清洗数据，而是让模型扮演真实用户。以品牌分析社交媒体数据为例，探讨大数据局限，还介绍‘好猜想’标准，最后说明Atypica.AI能构建消费者智能体解决归纳问题。
Reasoning的最终答案可能不是模型想要的答案！
大型语言模型解决复杂问题有推理过程和答案，传统评估只看最终答案。论文提出最终答案可能不佳，中间步骤更值得研究。还介绍通过切割推理过程发现中间步骤藏玄机，提出‘分步检查法’提升模型表现，实验表明准确率最高提升13%等。