「性能测试」共找到 3301 篇相关文章
OpenAI 4 名王牌研究员“叛变”，Meta 上亿美元的签约奖金终于花出去了
近日，Meta 招募 4 名前 OpenAI 研究员加入超级智能实验室。招聘背景是其 Llama 4 Behemoth 模型有性能问题。Meta 还以高额奖金挖角，且不局限于 OpenAI，还投入巨资支持 AI 项目。
DeepSeek最新模型意外泄露~
DeepSeek最新模型DeepSeek-V3-0526疑似泄露，消息源于https://docs.unsloth.ai/basics/deepseek-v3-0526-how-to-run-locally ，其性能媲美GPT - 4.5 / Claude Opus，或成最强开源模型，信息若属实将很快发布。
Claude最强Fable 5.1发布！8项屠榜，最高降价45%，反蒸馏机制上线
Anthropic发布Fable 5.1和Mythos 5.1，8项基准测试夺冠，价格最高降45%。展示科研成果，如蛋白质设计、生成金星地图等。上线反蒸馏机制，防止篡改上下文，还给出替代方案。
首发！成都华微亿门级逻辑综合加固EDA工具来了
6月26日，成都华微电子科技股份有限公司济南研发中心主任王宁发布亿门级FPGA逻辑综合与安全加固综合EDA工具。该工具前端性能比肩国外，还补上市场空白，集成加固功能，有本地化服务优势。
Gemini 3.1 Flash-Lite Preview发布：Google完成AI模型分层布局
Google发布Gemini 3.1 Flash-Lite Preview，针对企业和开发者场景优化，速度快，有‘思考级别’功能。基准测试表现不错，价格比Claude 4.5 Haiku便宜，但开发者社区反应复杂，面临市场定位问题。
我给 Claude Code 加装了 MiniMax M2.5：它像“法拉利”，但更像一台工作机
作者给 Claude Code 加装 MiniMax M2.5 模型，测试其编程、上下文记忆等能力。M2.5 在多方面表现出色，能高效完成各类开发任务，还具备良好的中文处理能力，性价比高。
DeepSeek-OCR是「长文本理解」未来方向？中科院新基准VTCBench给出答案
DeepSeek - OCR的VTC技术可实现高压缩率，降低长文本处理成本。但视觉语言模型能否理解压缩信息存疑，中科院等推出VTCBench评估，测试模型认知极限，还推出VTCBench - Wild检测鲁棒性。
Meta提出数据筛选的理论：何时“少即是多”成立？
Meta针对机器学习领域‘少即是多’悖论提出理论框架，用高维统计等方法推导测试误差缩放定律，揭示数据筛选‘相变’条件，为实践提供指导，还重新定义‘数据效率’意义。
北航LiveRepoReflection: 扭转乾坤-仓库级代码反射
本文提出LiveRepoReflection基准，评估多文件仓库代码理解和生成能力，含1888个测试案例。创建RepoReflection - Instruct数据集训练RepoReflectionCoder，评估40多个LLMs，结果显示其能有效测模型反思修复能力。
仅凭一篇博客，他成功入职OpenAI！核心技术或用于GPT-5训练
Keller Jordan设计Muon优化器并公开研究进展，引OpenAI和xAI关注，最终加入OpenAI。Muon性能卓越，或用于GPT - 5训练，其故事暗示传统论文模式在AI领域或已落伍。