「AI测试集」共找到 11065 篇相关文章
豆包大模型 Seed 2.0，有点不一样
大模型升级频繁令人审美疲劳，但豆包大模型Seed 2.0不同，其核心是Skills调用能力。作者测试了它做的小红书长图文排版生成器和古文翻译器，还体验了APP“专家模式”，展现多模态理解优势。
视听分离SOTA提速6倍！清华发布首个6M高性能模型｜ICLR'26
清华大学团队推出Dolphin模型，仅用6M参数，通过离散化视觉编码和热扩散注意力机制，实现单次推理精准分离语音，速度提升6倍以上，在多项基准测试中刷新纪录，为端侧设备部署开辟新路。
一人干翻所有大厂！OpenClaw硅谷封神，开发者一夜爆赚两亿
OpenClaw之父成硅谷英雄，其在YC访谈揭秘爆款AI背后故事。开发者用它结合TikTok实现财富暴增。Peter Steinberger称未来80%App将被取代，OpenClaw可本地运行，能连接设备，且记忆存本地，夺回数据主权。
独家 | 星海图孵化首席科学家许华哲创业，新公司已获得星海图投资
AI科技评论独家获悉，星海图孵化首席科学家许华哲创业，新公司切入具身智能C端应用赛道，已获星海图种子轮投资。星海图近期完成新一轮融资，估值破100亿人民币，正构建“数据+应用”生态。
超越GPT-5.2和Gemini-3-Pro！商汤多模态搜索、推理模型开源
商汤开源多模态自主推理模型SenseNova - MARS（8B/32B双版本），它通过强化学习整合工具，在多模态搜索与推理测试中超越Gemini - 3 - Pro与GPT - 5.2，还采用创新算法稳定训练，构建新基准评测。
解决智能体手工构造难题！ 浙大&腾讯提出 ReCreate，从零自动构建领域智能体
浙大、腾讯等机构研究者提出ReCreate框架，不依赖手工设计，让智能体自主构建。它从交互经验中找优化方向，有三重设计，实验显示能提升多领域任务通过率、降成本，未来或开启AI“自我制造”时代。
拿着做数学题的 PRM 来评判 Agent 调用工具，基本是行不通的！
目前评估体系多为结果导向，在工具调用上缺乏像样的PRM基准。Arizona State University和Intuit AI Research研究者推出ToolPRMBench，指出用做数学题的PRM评判Agent调用工具行不通，还介绍了其构建方法、训练范式和实验结果。
走一步看一步、两三个月就迷茫一次：字节扣子的两年「创业」
字节的扣子刚完成大版本更新，定位“职场AI，就用扣子”。它过去两年像早期创业团队“野生”生长，从Bot Studio到工作流平台，再到扣子空间，如今迈向Vibe Coding，强化“伙伴”定位，值得产品创新者研究。
MiniMax把自家“实习生”放出来了！
曾经割裂需求、设计与代码的流水线正在消融，MiniMax上线的AI原生工作台Agent 2.0为此而来。它通过Desktop App与Expert Agents两大载体，可嵌入工作环境，现已开启封闭内测，能帮用户提升工作效率。
1秒30000元，台积电的光刻机，就快“冒烟”了
1月15日台积电公布2025年第四季度财报，营收、净利同比大增，预计2026年营收增近30%。先进制程营收占比高，HPC贡献大，2nm量产等或改变营收分布，先进封装贡献将提升，资本支出也将增加。