「数据与评测基础设施」共找到 3249 篇相关文章
大涨240%，Doc-Researcher确立多模态文档深度研究新范式
在ChatGPT引领的AI革命中，大语言模型面对专业复杂文档常“束手无策”。Doc-Researcher提出三位一体解决方案，构建M4DocBench评测，性能远超现有方案，还适用于多产业场景。
颠覆金融分析！多智能体AI股票分析师震撼登场!
多智能体AI股票分析师登场，由股票分析与报告撰写两智能体组成，通过CrewAI框架协作。用Streamlit构建界面，结合YFinance等获取数据，可30秒内生成含买卖建议报告。
你的 AI 助理一闭嘴就在「发呆」？上交大 ProAct：把 Agent 的空闲时间变成生产力
上海交通大学 APEX 实验室提出 ProAct 架构，能把对话空闲时间转化为主动准备机会。它有预测、筛选、交付三级流水线，经 ProActEval 评测效果佳，证明算力用对地方更重要，让 Agent 能提前为用户准备。
复杂空间推理新SOTA，性能提升55%！中山大学新作SpatialDreamer
中山大学等机构推出SpatialDreamer，模拟人类空间认知过程，构建闭环推理流程，还提出GeoPO解决奖励稀疏问题，构建SpatialDreamer - SFT数据集。实验显示其在多基准达SOTA，为AI空间智能发展开辟新路径。
有人只用API就猜出了GPT、Claude、Gemini的参数量？社区吵翻了
研究人员李博杰在arXiv发布论文，提出“不可压缩知识探针”评测框架，仅通过黑盒API调用逆向估算LLM参数规模，给出GPT-5.5等模型参数量估算，引发社区广泛讨论与争议。
.md 编译了个人认知，什么来编译企业的认知？
作者周卫林春节写 OpenClaw Skill 感受个人认知编译，指出企业认知编译需语义基础设施。2026 年 1 月 27 日 OSI v1.0 规范发布，解决定义问题，而执行需编译器，认知正成可互操作资产。
Clawdbot为何大火？
LLM记忆问题是业界难题，Clawdbot采用极简方式破解，用写Markdown实现记忆。其记忆系统优势明显，如极简易用、透明可控等，但也有劣势，像数据扩容能力有限、功能扩展性不足等。
阿里开源SmartResume，简历解析无需手工
阿里在Hugging Face和ModelScope上开源智能简历解析系统SmartResume，能将多种格式简历转为结构化数据，分三阶段工作，性能优于基线方法，为HR和开发者提供工具。
杜克大学、Zoom推出LiveMCP‑101：GPT‑5表现最佳但未破60%，闭源模型Token效率对数规律引关注
杜克大学与Zoom研究者推出LiveMCP - 101，这是针对真实动态环境的MCP - enabled Agent评测基准。含101个任务，实验显示先进模型成功率低于60%，研究为提升Agent能力提供改进方向。
微软研究院BioEmu登上Science，用生成式AI重塑蛋白质功能研究
7月10日，微软研究院AI for Science团队在《Science》发表成果，提出生成式深度学习模型BioEmu，结合多类数据训练，能模拟蛋白构象变化，有多项核心创新，已开源，未来将拓展应用场景。