搜索：数据与评测基础设施

「数据与评测基础设施」共找到 3249 篇相关文章

刚刚开源就斩获 46K+ Star！生化危机女主在 GitHub 开源了一个本地 AI 记忆系统！

好莱坞女星 Milla Jovovich 针对 AI 记忆痛点，用 Claude Code 开发本地 AI 记忆系统 MemPalace。它存储全部对话，检索快，召回率高、数据安全、扩展性强，适用多类人群。

Anthropic 宣布推出 Claude for Financial Services，扩展金融服务功能，有 Excel 插件，还与 Moody's、LSEG 等金融数据平台整合。Citi、RBC Capital Markets 等华尔街巨头纷纷入局。

LLM Multi - Agent系统失败诊断难，阻碍迭代优化。宾夕法尼亚州立大学等机构研究者首次提出“自动化失败归因”课题，构建Who&When数据集，开发评估多种归因方法，实验揭示当前方法不足。

由智元主办的AGIBOT WORLD CHALLENGE @ICRA 2026赛事开启报名，设推理 - 操作和世界模型两赛道。智元提供顶配硬件、仿真平台、数据集和基线模型，还有超百万美元奖金与资源，助力开发者。

今年4月刚升职为英特尔CTO兼AI部门一把手的Sachin Katti，仅8个月后就加盟OpenAI。他将负责设计和构建计算基础设施，英特尔AI部门由CEO陈立武兼任负责。

从Hugging Face模型配置文件可知，月之暗面未设计全新模型结构，而是选Deepseek V3作基座模型，用自身高质量数据、独特方法做大量‘微调’和‘后训练’。

Claude网页版接入MCP，集成10款应用，开发者30分钟可创建新集成。同时Research功能更新，增加更多数据来源，网页搜索功能面向付费用户开放。MCP逐渐成为行业标准，引发对大模型SaaS时代的讨论。

上海交大等机构研究者梳理LLM Agent设计逻辑，指出能力正从模型内部流向外部，外部化有记忆、技能、协议三大支柱，Harness负责协调，Agent竞争转向外部化基础设施。

大模型记不住私有或实时信息，RAG 落地遇难题。AccurateRAG 是 Qualcomm 团队端到端工程方案，有 4 个模块化组件，在 6 个数据集上刷新 SOTA，解决 RAG 文档解析、检索和生成难题。

文档视觉编码器对LLM理解和推理很重要。MonkeyOCRv2提出‘重建即文档视觉记忆’，通过多组实验验证其有效性，还发布MonkeyDoc v2数据集，推动公平比较的研究文化。