「基准数据集」共找到 3260 篇相关文章
The Batch: 929 | Qwen3.5 超越更大模型，领跑视觉基准测试
阿里巴巴发布 Qwen3.5 系列，含 8 个开源权重的视觉 - 语言模型。其小模型表现超大体量 OpenAI 开源权重模型，在视觉任务中整体出色，部分在语言任务也有竞争力。虽团队有人员离职，但阿里承诺加大 AI 投入。
科技CEO用ChatGPT+基因数据定制癌症疫苗！肿瘤缩小50%
科技从业者Paul的爱犬Rosie患罕见癌症，传统治疗难见效。他借助ChatGPT、AlphaFold等，结合基因测序数据，联合科研机构为狗狗定制mRNA癌症疫苗，使肿瘤缩小50%，但自主研制引生物安全担忧。
AI编程真面目：完整项目通过率仅27% | 上交大新基准
多校联合团队发布ProjDevBench，评估AI编程智能体端到端项目开发能力。结果显示，六种主流智能体总体提交AC率仅27.38%，从零构建任务中性能大幅下滑，还揭示了智能体多方面短板。
Claude深夜更新！DeepResearch+MCP入侵你的私人数据，威力很大！
Anthropic宣布Claude的「Integrations」集成功能和「Advanced Research」高级研究能力两项更新，改变人与AI交互方式。集成功能可连接多种应用，高级研究能力增强了搜索研究能力，这些更新标志着AI助手向工作伙伴转变。
阿里财报+96%是假象：扒开数据，真利润只剩8600万
5月13日盘前阿里发布2026财年Q4财报，主流标题称净利润同比增96%，股价盘前一度涨7%。但经分析，扣掉投资浮盈后真利润仅8600万。文章还给出财报分析方法、释放的关键信号及投资建议。
多模态幻觉的病因「高熵节点」找到了！全基准幻觉率下降
多模态大推理模型的幻觉常出现在生成转折词时，此时模型处于高熵关键节点，易脱离图像证据。研究者提出LEAD，高熵时保留候选推理方向，注入视觉锚点拉回证据，实验显示它能跨领域提升模型性能。
好看不等于会交互！阿里发布基于交互的世界模型基准
阿里等联合推出 Omni - WorldBench 评估框架，指出多数高颜值 AI 视频在物理规律和交互逻辑上有缺陷。该框架含提示词套件和量化评估框架，对 18 款模型测评，为 4D 世界模型研发指明方向。
从数据到决策：AI 驱动的 Quick BI 架构设计与实践
阿里云智能集团瓴羊高级技术专家王璟尧，介绍阿里云 Quick BI 从传统 BI 到 AI 驱动的智能 BI 的进化，解析领域大模型与 BI 引擎协同设计等技术权衡，为行业提供可复用技术范式。
稳定训练、数据高效，清华大学提出「流策略」强化学习新方法SAC Flow
本文介绍清华大学和CMU提出的SAC Flow新方案，可端到端优化流策略。它将流策略视作residual RNN，用GRU和Transformer结构稳定训练。在多环境测试中表现优，有稳定、快速、样本效率高的特点。
从社区数据出发，再看大模型开源开发生态全景与趋势
蚂蚁开源先后在527蚂蚁技术日和外滩大会发布大模型开发生态开源项目全景图1.0和2.0版本。2.0版更新评估方法，呈现生态新变化，还分析技术趋势、开发者分布，提及项目进出情况及TensorFlow衰落等。