「系统评估」共找到 2340 篇相关文章
OpenAI 发布GDPval，可真实评估现实世界经济价值。Claude Opus 4.1 拿下第一
OpenAI推出GDPval，可评估AI在真实经济价值任务上的表现。它从9个行业选44种职业，设1320个真实任务。Claude Opus 4.1表现最佳，前沿模型速度快、成本低。OpenAI计划扩展GDPval，还开源部分内容。
推荐系统进入“大模型时刻”：昇腾NPU如何支撑千亿级生成式推荐落地
文章基于华为郭威在2025 AICon大会演讲，复盘华为推荐技术探索。介绍FuXi-α、β模型设计，解决训练和推理难题；分享“多阶段统一建模”进展，提出Performance Law；还介绍了训推系统优化及未来聚焦“强算力”“强模型”融合。
全国首部AI智能体应用评估标准，现公开征集起草单位和个人！
2025年成AI智能体元年，市场规模将达113亿美元，但企业部署面临‘效能黑箱’。智合标准中心发起《企业级AI智能体应用效能评估规范》团体标准起草，填补评估空白，现公开征集起草单位和个人。
全国首部AI智能体应用评估标准，现公开征集起草单位和个人！
2025年成AI智能体元年，市场规模将达113亿美元。但企业部署时面临‘效能黑箱’，缺乏评估规范。智合标准中心发起《企业级AI智能体应用效能评估规范》团体标准起草，现征集起草单位和个人。
全国首部AI智能体应用评估标准，现公开征集起草单位和个人！
AI智能体正从辅助向自主决策进化，但企业因缺乏评估规范，面临选型、验收、优化难题。智合标准中心发起《企业级AI智能体应用效能评估规范》团体标准起草，公开征集起草单位和个人。
Claude1.7万字系统提示词全网刷屏！Karpathy锐评：LLM训练缺乏关键范式
Claude近1.7万字系统提示词在GitHub泄露，网友称是提示技术的金矿。大神卡帕西提出系统提示学习新范式，模拟人类经验积累，让LLM有‘记忆’功能，引发网友激烈讨论。
ACL 2025 | 让小说角色 「活」起来！复旦BookWorld打造沉浸式小说世界模拟系统
复旦大学团队主导的BookWorld系统，是ACL 2025论文成果。它能从小说提取数据构建AI世界，让角色AI互动创作故事。系统有自主和干预模式，实验表现出色，未来可成互动娱乐平台。
Claude推出多智能体代码审查系统：Anthropic内部同款，接管PR深度抓Bug
Anthropic为Claude Code引入代码审查系统，复刻内部审查机制，调度多智能体揪深层Bug。该功能面向团队和企业版用户预览，审查更彻底，虽成本高但有效提升审查质量，还能自定义规则、管控成本。
微信技术架构部斩获CVPR 2025大赛冠军，攻克AI图文匹配评估难题
微信WXG技术架构部IH-VQA团队在CVPR2025大赛夺冠，首创iMatch图文匹配质量评估方案。文中介绍赛事背景、规则，团队通过双模型驱动等策略获胜，还构建iMatch-Benchmark评估主流T2I模型。
为AI智能体选型、验收、优化提供量化依据：首部评估标准公开征集中
AI智能体成2025年十大战略技术趋势之首，到2028年至少15%日常工作决策将由其自主做出。但企业面临信任鸿沟，缺乏评估规范。首部聚焦AI智能体应用的团体标准公开征集起草单位与起草人，适用于多方，有核心内容与价值。