「AI基准测试」共找到 11028 篇相关文章
为什么GPT-5算得出微积分，却数不清积木？
文章对GPT - 5展开系统化空间能力测评，涵盖8个基准、超10亿token成本。提出“空间智能六维图谱”，发现GPT - 5在MM和SR达人类水平，但MR、PT等方面有短板，还揭示闭源与开源模型在复杂任务上差距小等情况。
腾讯出手了！彻底入局Agent
腾讯云入局智能体赛道，将大模型知识引擎升级为智能体开发平台。该平台亮点多，如可一键发布到企业微信，具备多工具调用、多Agent协作能力，工作流有全局视野Agent节点，还有Excel检索增强功能，经测试表现出色。
都在卷「让大模型多循环几遍」，这个7B模型LoopCoder v2说：多循环 1 次就够了
当下推理模型流行在测试时多循环，以打磨答案。但新研究发现，7B模型LoopCoder v2只多循环1次（共2次），就能大幅提升性能，继续增加循环次数，性能反而下降。研究还分析了收益与成本，给出选择循环次数的诊断方法。
独家 | CMU博士、UCSD助理教授黄碧薇创立「原识之智」，聚焦因果推理方向
AI科技评论独家获悉，CMU博士、UCSD助理教授黄碧薇创立上海原识之智科技有限公司，切入具身智能基础层相关的因果推理方向。当下大语言模型在符号世界表现出色，而机器人缺乏因果推理能力，原识之智项目已获顺为资本早期投资。
对话原力灵机范浩强：评判机器人好坏，只有一个指标
本文是对原力灵机创始人范浩强的访谈。他认为AI是一生的事业，原力灵机成立于25年3月，强调模型是主轴。还指出评判机器人好坏的关键指标是回本时间，要从真实场景找突破，也介绍了具身智能应用等内容。
Meta 悄悄开源了两个惊艳的 3D 重建模型，物体重建+人体重建！
前两天AI圈被Gemini 3 Pro刷屏，Meta却悄悄开源了两个“硬核”项目：SAM 3D Objects可从一张照片重建任意物体，SAM 3D Body能从一张照片重建人体网格模型，二者结合可构建完整3D场景，且全部开源、可商用。
Container Use：一种用于独立的并行编码代理的新工具
Dagger团队发布开源工具Container Use，为AI编码代理提供容器化沙箱和Git工作树，实现无冲突并行工作流。它能创建隔离开发环境，让开发者在同一代码库安全运行多代理。不过该工具尚处早期，有不足。此外还介绍了其他类似工具。
给 Agent 装个 Skill：3dviz-pro-max，TA也能搭出像样的 3D 场景！
当前AI Agent生成Three.js 3D场景常出现代码正确但渲染效果异常，自身无法发现问题。本文介绍开源项目3dviz-pro-max，这是专为Agent打造的3D可视化Skill，通过流程约束、知识库和自检工具让Agent可自主调试输出合格3D场景。
520，遇见国产「新模王」Qwen3.7-Max！
在2026阿里云峰会上，阿里推出全新一代千问旗舰模型Qwen3.7 - Max。它在各类测评中成绩亮眼，性能直逼全球最强模型，还针对Agent优化。阿里全栈AI体系助力模型高频迭代，千问深耕开源社区，志在成为智能体时代基础设施。
英特尔接不住泼天富贵？
英特尔公布2025年第四季度财报，营收137亿美元，净亏损6亿美元，但好于市场预期。不过，其对2026年第一季度业绩展望低于市场共识，股价盘后一度跌逾12%。主要因供应限制，无法兑现AI驱动的CPU需求红利，且业务短板仍存。