「AI测试集」共找到 11065 篇相关文章
那个用半成品刷爆SOTA的Qwen3超大杯推理版，现在正式上线
阿里千问率先发布Qwen3-Max-Thinking正式版，刷新全球SOTA。该模型总参数超万亿，有技术创新，提升了推理性能和原生Agent能力。实测代码和工具调用能力强，还透露技术细节，中国开源模型影响力不断提升。
Skills刚火，就有零Skill的Agent来了…
Skills爆火之际，云玦科技团队提出不用Skills的零Skill Agent。它以Gemini 3 Pro为后端，在多个评测集表现出色。采用原位自进化框架，开源且成本低，或助力开源模型弯道超车。
Mistral 发布 OCR 3，提升了手写及结构化文档识别的准确率
Mistral 发布 OCR 3，在多种文档类型上精度更高，超越前一代产品。能提取文本、识别图像并保留文档结构，输出 Markdown 格式。早期用户认可其性能和多语言支持，生产部署扩展快，价格有优势。
SDD 如何在复杂业务系统中真正落地？
文章围绕SDD在复杂业务系统落地展开，介绍OpenSpec库使用，对比与系分差异，分析其优势与问题，如LLM与IDE执行能力鸿沟、无update命令等，还对比OpenSpec和GitHub Spec Kit，并给出流程及提示词。
谷歌推出 Conductor：一款面向 Gemini CLI 的上下文驱动开发扩展
谷歌发布新的 Gemini CLI 预览扩展 Conductor，为 AI 辅助软件开发引入结构化、上下文驱动方法，解决跨会话丢失项目上下文问题。它将开发上下文存于持久 Markdown 文件，支持团队配置，还强调规划优先工作流。
上新：Cache-DIT 支持LTX-2模型
作者和DefTruth在Cache-DIT上支持了LTX-2模型，记录适配关键点，包括模型侧、框架侧适配。介绍LTX-2特点，如支持T2V/I2V、输出带音频，还说明Cache-DIT加载区分T2V/I2V方法及cache侧修改内容，最后给出使用示例。
前谷歌研究员发文：算力崇拜时代该结束了
前谷歌大脑研究员 Sara Hooker 发文指出，过去十年 AI 创新依赖算力，但如今持续扩展训练计算资源效率极低，收益递减。她探讨了影响算力回报率的因素，批判 Scaling Law，并提出未来创新方向。
谁说老实人赚不到钱？Claude用一张3500亿的支票打脸OpenAI
2026开年，Anthropic计划融资100亿美金，估值从1830亿涨至3500亿。曾因理念分歧从OpenAI出走的Amodei兄妹，带领Anthropic专注技术与AI安全，在营收、性能等方面反超OpenAI，上演逆袭。
英伟达、英特尔和AMD芯片同台竞技：CES 2026各自都展示了怎样的实力
全球最大消费电子展CES 2026上，英伟达、英特尔和AMD发布新品，AI算力芯片竞争演变为平台架构全面战争。英伟达推Rubin计算平台，英特尔发布第三代酷睿Ultra系列，AMD展示Helios平台及相关产品。
LLM内部竟藏着众多策略模型？自所&腾讯团队首次揭示大模型RL新机制
中国科学院自动化研究所与腾讯AI Lab团队，从可解释性分析出发，发现LLM内部含多个可采样内部策略，揭示不同模型推理熵模式，提出BuPO算法，在复杂推理任务上表现优于传统算法。