「基准榜单」共找到 1482 篇相关文章
HyperEyes：从「搜得更深」到「搜得更宽」，并行多模态搜索智能体的效率革命
小红书研究团队提出 HyperEyes 模型，打破现有多模态搜索智能体串行处理模式困局。通过全栈设计实现并行多模态搜索范式跃迁，在多基准测试中表现优异，证明准确率与效率可协同进化。
对话 Lucius 赵赫：AI 员工的本质，是一份有 SLA 的劳动合同
这是对Lucius创始人赵赫的访谈。他表示Lucius做的是企业的Context Layer，提供有SLA的AI员工服务。目前服务三十余家企业，交付结果而非提效，还探讨了AI员工角色、与人类关系、技术架构等内容。
Anthropic联创定下deadline：2028年AI实现自我进化，没有人类了
Anthropic联合创始人Jack Clark认为，到2028年底，递归自我改进发生概率有60%，即AI或能自主构建和改进自己。他基于公开AI开发数据和基准测试得出此观点，不过也有人提出质疑。
RAG搜对了却答错？德国萨尔大学找到了真相丨ACL'26
RAG已成大模型落地标配技术，但存在搜到对的文档、模型答案却离谱的痛点。德国萨尔大学等组成的团队诊断出问题在阅读理解，提出Disco - RAG框架，在“搜”和“答”间加“读懂”环节，已被ACL 2026主会录用。
让大模型基于「图像事实」说话：用事实文本+自适应编辑，让语言偏见无处遁形丨ICLR'26
多模态大模型看图常“脑补”，存在对象幻觉问题。北航团队提出AFTER框架，含FAS和QAO模块，能在主流LVLM和基准上显著降低幻觉，且推理开销低，为多模态助手落地提供实用路径。
刚刚，国产视频模型登顶全球第一！给谷歌Veo上了一课，还把钱给挣了
国产视频生成模型SkyReels V4在第三方榜单中登顶全球第一，压过谷歌Veo 3.1等。它能力强大，解决视频AI老毛病，支撑昆仑万维短剧平台DramaWave，构建了完整AI生态闭环。
The Batch：924｜GPT-5.4：性能更高，价格也更高
OpenAI更新旗舰模型GPT-5.4，有Thinking和Pro两个版本，扩展工具使用能力，多基准测试达当前先进水平，但定价高。虽在部分任务表现超Claude，挑战Gemini地位，不过成本也更高。
Agent/Skills/Teams 架构演进过程及技术选型之道
文章结合作者实践与多篇论文，梳理Agent架构从单点提示词调用到Agent Teams的演进逻辑，分析Single Agent、Multi - Agent、Agent Skills、Agent Teams的优劣，给出架构选型建议，强调架构应与问题复杂度匹配。
字节清华智能体自动写CUDA内核，比torch.compile加速2.11倍
字节Seed与清华AIR团队开源CUDA Agent，在GPU内核优化基准KernelBench上成绩优异。它是大规模智能体强化学习系统，训练数据经多阶段构建，分阶段训练，全面超越商业模型，还开源了训练数据集。
Nsight Python 简介
Nsight Python 是基于 NVIDIA Nsight Tools 的 Python profiling 接口，能采集 CUDA kernel 性能指标。文章介绍其环境依赖、常用 API，还给出多个示例及限制，如可与 Agent 配合，辅助写出更快的 kernel 代码。