「学术搜索评测」共找到 1171 篇相关文章
苹果秋季新品发布会，全系全面拥抱AI，比Pro还要Pro的iPhone Air已加购物车。
苹果秋季发布会如期而至，带来AirPods Pro 3、Apple Watch系列、iPhone系列新品。新品在AI功能融合上有进步，如AirPods的实时翻译与心率监测、Apple Watch的健康预警、iPhone的图片搜索与AI翻译等。
为什么Claude Code 如此好？「以及如何在自己工作流中复刻Claude Code体验」
本文分析Claude Code好用的原因及如何复刻其体验。作者抓包分析其请求后给出要点，如可调试性优先、保持单一循环、LLM搜索优于RAG等，还阐述控制循环、提示词、工具等设计方法。
告别“炼丹玄学”：上海AI实验室推出首个大模型数据竞技场OpenDataArena
上海人工智能实验室OpenDataLab团队推出开放数据竞技场OpenDataArena，致力于将数据质量评估从“玄学”变为“科学”。它有数据评测榜单和完整可复现的数据价值验证体系，为多类需求提供解决方案，还开源了核心工具。
奥特曼神秘晚宴讲话曝出！OpenAI的CEO或将是个AI，Chrome我也想买
OpenAI的奥特曼在晚宴勾勒宏大愿景，要颠覆搜索、社交等领域，斥资数万亿打造数据中心和新硬件，还探索脑机接口。他认为AI潜力大但处于泡沫期，也谈到GPT-5、算力融资等问题。
在 AI 时代构建 MVP
文章围绕AI在构建最小可行产品（MVP）中的作用展开。它能在理解QARs、推动架构决策等多方面提供帮助，如提出被忽略的需求、缩小技术搜索范围等，但不能完全替代人类做决策。
看遍奥斯卡后，VLM达到电影摄影理解新SOTA｜上海AI Lab开源
上海人工智能实验室等推出ShotBench、ShotVL及ShotQA，ShotBench含超3.5k问答对，ShotQA约7万个问答对。ShotVL在ShotBench评测中表现出色，3B参数的ShotVL-3B增益达19.0%，超越GPT - 4o等。
用隐藏指令诱导AI给论文打高分，谢赛宁合著论文被点名：认错，绝不鼓励
最近，一些简单提示词在AI学术圈掀起风波，操作者将其隐秘嵌入论文诱导AI给高分。谢赛宁合著论文也涉此事，他紧急回应，承认过失，解释缘由并采取补救措施，还呼吁探讨AI时代科研伦理。
推理正确率下降65.5%！斯坦福、MIT等用「不等式」拷问AI逻辑极限
大语言模型在数学证明常现推理漏洞，斯坦福等高校团队提出IneqMath基准评估其严谨性。用不等式证明题切入，拆解为子任务，构建评测体系，用LLM - as - Judge审查。结果显示模型推理正确率低，存在结构性缺陷。
5 万行代码 Vibe Coding 实践复盘：最佳实践、关键技术，Bitter Lesson
大厂资深工程师分享 3 个月用 AI 写 5 万行代码的体验，介绍 Vibe Coding 实践，分析 Coding Agent 关键技术如语义搜索、MCP，对比 Cursor、GitHub Copilot、Cline 等产品，还提到 Agent 开发要避免过度植入人类经验。
刚刚，DeepMind开源全栈「Deep Research」项目，AI 研究将人人可用
谷歌DeepMind团队开源基于Gemini 2.5的全栈「Deep Research」项目，能让每个人拥有智能研究助手。它可动态搜索、反思结果，以流式传输提供带引用答案，前后端结合，还介绍了特性、原理、技术栈等。