「进化式评测系统」共找到 2747 篇相关文章
DeepSeek-OCR是「长文本理解」未来方向吗？中科院新基准给出答案
DeepSeek-OCR的视觉文本压缩技术降低长文本处理成本，中科院自动化所等团队推出VTCBench基准测试评估模型视觉认知，含三大任务及衍生版本，测试结果有‘U型曲线’，还评测多种尖端模型。
腾讯混元TurboS技术报告首次全公开：560B参数混合Mamba架构，自适应长短链融合
腾讯公开混元TurboS技术报告，该模型是超大型Hybrid Transformer - Mamba架构MoE模型，融合Mamba与Transformer架构优势，有自适应长短思维链机制，激活参数56B。在多评测中表现佳，推理成本低。
这个春节P图不求人！小红书开源图像编辑新SOTA
今日小红书基础模型FireRed - Image - Edit亮相，在复杂编辑指令、风格化转换等核心指标表现强，在多项权威测试达SOTA。该项目代码等已开源，模型权重将开源。团队还推出RedEdit Bench评测方案。
从「知题」到「知人」：UserRL让智能体学会「以人为本」
大语言模型距成真正用户伙伴缺‘知人’能力。来自UIUC与Salesforce团队提出UserBench和UserRL方案。前者将‘用户特性’制度化，构建评测环境；后者搭建统一强化学习框架，探索奖励建模，二者让‘以用户为中心’落地。
英伟达GEAR实验室刚刚放出大招，物理世界的自动研究 AutoResearch 首次成为现实
英伟达GEAR实验室实现物理世界自动研究AutoResearch，其ENPIRE系统让8个Codex智能体接管机器人舰队自主完成研究流程，将高精度操作成功率提至99%，还发现新物理缩放法则，项目即将开源。
当达沃斯还在热议AI未来时，中国一家公司的AI教育已经服务了全球5000万群体
世界经济论坛第56届达沃斯年会聚焦AI，各方探讨其走向与价值。松鼠Ai作为中国AI独角兽企业受邀，其智适应教学系统落地应用，创始人栗浩洋提出AI价值重构，该企业还具备全球复制潜力。
Grok 4作战图刷爆全网，80%华人横扫硅谷！清华上交校友领衔，95后站C位
Grok 4一夜爆火硅谷，一张内部作战图显示其幕后团队华人学者占比达80%，包括Jimmy Ba、吴怀宇等。独立评测中Grok 4成绩优异，但也有人质疑其代码基准结果有过拟合嫌疑。
AI"学霸"也解不出高中题？耶鲁、复旦发布MMSciBench，揭示AI理科推理能力短板
耶鲁、复旦等推出MMSciBench评测基准，揭示主流模型复杂科学推理短板。它有高质量数据、多模态多题型测试和精细知识分类体系。测试发现模型图文融合及推理能力弱，英文推理或效果更好。
对话西工大徐韬：昇腾生态如何为AI创新装上涡轮增压？｜甲子光年
本文讲述西工大徐韬团队与昇腾平台深度合作的故事。他们从算子研究攻坚底层技术，开发抑郁症初筛等系统。昇腾还助力教学，让学生实践操作。未来，更多人将参与国产AI源头创新。
一名员工用个 AI 工具，直接把 Vercel “送”进黑客手里！AI 还在替你决定技术栈，vibe 产品危？
当地时间4月19日，云开发平台Vercel确认内部系统遭未授权访问，黑客出售窃取的数据。攻击源于员工使用的AI平台Context.ai安全事件。此外AI编程助手正重塑技术生态入口，影响工具选择。