「评测榜单」共找到 1220 篇相关文章
2M大小模型定义表格理解极限，清华大学崔鹏团队开源LimiX-2M
大语言模型在结构化表格数据处理上表现不佳，清华大学崔鹏团队开源的 LimiX-2M 模型，仅 2M 参数，却能同时支持分类、回归等任务，性能超越经典模型，且训练、运行成本低，科研友好。
Llama 4造假丑闻幕后：小扎豪赌143亿，却为中国AI「做了嫁衣」
Meta的Llama 4评测性能造假，OpenAI算力计划引恐慌，全球AI发展陷入困境。中国AI力量爆发，如DeepSeek、MiniMax等，以强大性能、高性价比和商业可持续性满足全球需求，在国际舞台崭露头角。
3个硬核 GitHub 项目，让 AI 帮你赚钱！
nof1.ai网站举办“AI量化交易擂台”，让GPT - 4、Claude、DeepSeek等模型用1万美元本金在加密货币市场自动交易。目前DeepSeek排名第一，11天收益率超90%。文章介绍3个相关GitHub项目，可让AI在金融市场竞技、分析交易。
创新中心 | 2025首届“幻镜”AI视听测评季成果在京发布，探索AI视听领域建立科学测评体系
2025年10月28日，“人工智能赋能精品创作沙龙”暨首届“幻镜”AI视听测评季成果发布会在京举办，活动旨在为AI视听领域建科学测评体系。会上公布测评结果、优秀作品片单，发布研究分析报告。
哈佛发现基础模型比你想象中更强大：纯采样方法可超越RL
论文提出基础模型本身已具备强大推理能力，通过“幂采样”纯采样算法，在多推理任务上媲美或超越RL后训练，挑战“RL才能提升推理”观念，为理解基础模型潜力开新视角。
Sora2五天下载量破百万！超越ChatGPT增长速度，App Store免费榜霸榜第一
Sora2五天下载量破百万，增长速度超ChatGPT，在App Store免费榜霸榜第一。其虽有使用门槛，但热度高，盗版泛滥。不过它也面临版权问题，审核收紧。AI创意应用取代传统社交媒体速度加快。
一篇最新自演化AI Agents全新范式系统性综述
传统LLM Agent工作流固化，面对动态环境只能人工硬编码，成本高、迭代慢。此55页综述提出“Self - Evolving AI Agents”新范式，让Agent自主优化自身结构，还给出三定律、统一框架及各类优化方法。
AIME'25满分炸场！Qwen一波七连发，全家桶大更新
云栖大会上，通义团队成果丰硕。Qwen3-Max性能提升，数学评测满分，多测试成绩优异；Qwen3-VL、Qwen3-Omni等开源，各有亮点；Qwen3-Coder升级。吴泳铭称要发展超级人工智能。
苹果传统强项再发力，视觉领域三种模态终于统一
苹果在大模型领域常受挫，但计算机视觉研究是其强项。其研究团队提出 ATOKEN，这是首个能在主要视觉模态统一处理的分词器，兼顾重建质量与语义理解，成果朝通用视觉表征迈进一步。
抱上Meta“大腿”后，自家公司要搞黄了？Scale AI狂丢大客户，又遭6年老员工“背刺”
9月3日外媒报道，Meta支持的Scale AI起诉前员工Eugene Ling及竞争对手Mercor，称其“盗用商业秘密”“违反合同”。Mercor反驳，称对Scale商业秘密无兴趣。Scale与Meta合作后狂丢客户、裁员，还出安全事故。