「评估工具」共找到 2521 篇相关文章
央企牵头！这个AI开源社区要让大模型跑遍「中国芯」
6月30日百度文心大模型4.5系列开源并登陆魔乐社区，该社区发起‘模型推理适配协作计划’，想让大模型跑遍中国芯。其升级工具中心和协作空间，联动产业力量，解决模型在国产芯适配难题，推动生态发展。
永别了，终端！OpenAI疯狂升级Codex，接管Mac人类全程0操作围观
OpenAI的Codex迎来重大更新，从代码工具进化为通用个人助理。开发者实测中，它能接管Mac完成多项任务，人类全程0操作。还支持多应用集成，功能强大，获开发者青睐，或重新定义使用电脑方式。
以前写文排版60分钟，现在 Claude Code 3分钟
作者分享AI写作系统，用AI梳理复杂逻辑生成配图，进行个性化排版、一键出稿。介绍必需工具如Obsidian、PicGo、Claude Code等，还提供具体配置教程、进阶玩法，如规范写作、生成逻辑图、定制风格。
OpenAI 3万亿美元测试，AI首战44个行业人类专家！
OpenAI推出GDPval评估体系，通过真实工作任务审视大模型潜力，揭示AI从实验室走向3万亿经济战场的可能。早期测试显示，Claude Opus 4.1表现最佳，GPT系列进步快，模型在部分任务逼近人类专家水平。
长上下文不再难：KV Cache 全生命周期优化实战
长上下文大语言模型发展带来计算和内存挑战，现有基准测试多忽视 KV 缓存完整生命周期。微软姜慧强在 AICon2025 分享 SCBench 工具，梳理推理优化方法，介绍 MInference 等，还提出 Tri - shape 方法等成果。
DeepMind 创始人 Hassabis 语出惊人：百万 token 只是在贴胶带，AGI 在 2030 年
DeepMind创始人Hassabis在访谈中评估AGI进展，认为当前范式是最终架构一部分，但持续学习等问题待解决，预计2030年左右实现AGI，还探讨了Agent、蒸馏等多方面内容，并给创业者建议。
告别「一条路走到黑」：通过自我纠错，打造更聪明的Search Agent
为解决知识实时性和推理复杂性挑战，搜索智能体（Search Agent）应运而生，但缺乏自我纠错能力。腾讯联合清华提出 ReSeek 框架，引入动态自我修正机制，还构建 FictionalHot 数据集评估，实验效果良好。
首个多模态工业信号基座模型FISHER，权重已开源，来自清华&上交等
清华、上交等团队联合发布首个多模态工业信号基座模型 FISHER，用搭积木法对异质工业信号统一建模。技术报告和权重已开源，还提出 RMIS 基准评估性能，实验显示其泛化能力强。
苹果OS全家桶12年最狠升级！AI入侵一切，唯独Siri没更
春季WWDC开幕，苹果OS全家桶迎十多年最大版本升级，统称OS 26。苹果AI进化，支持实时翻译、看屏搜物等。开发者工具升级，三行代码可调用苹果AI。各系统在设计、功能上均有革新。
AI驱动的开源攻击框架：HexStrike-AI
HexStrike-AI是安全研究员开发的开源攻击框架，2025年7月起在GitHub免费提供。它基于MCP协议，集成LLM与150多种工具，可自动化渗透测试和漏洞发现。曾被网络犯罪分子利用，能加速攻击流程，展现强适应和并行化能力。