「AI模型测试」共找到 14123 篇相关文章
快手搜索广告落地生成式检索新范式：UniGD生成-判别一体化重塑检索链路
快手科技针对工业搜索广告中生成式检索存在的目标割裂、新广告冷启动、异构广告语义差异等痛点，提出UniGD生成-判别一体化框架，经公开测试与工业验证，效果与业务收益提升显著。
缓存命中率99.93%！DeepSeek最适合的Harness来了，GitHub狂揽8.6万Star
DeepSeek官方版Harness未出，民间开源编程Agent「Pi」先火。它适配DeepSeek，让其缓存不命中率低至0.03%，调用成本大降。Composio测试显示Pi完成任务平均成本最低。同时，DeepSeek正组建团队做官方Harness。
Fable 5回归全网抓紧测！发现GLM-5.2更香了，价格只有1/39
Claude Fable 5消失19天后全球再上线，7月1 - 7日Pro等订阅用户可用，但额度受限。它实力强但贵，与多模型对比表现优，远程工作能力突出。不过使用限制变多，安全分类器易误伤。
腾讯版Claude Design来了：多人实时同屏审设计稿，一键转代码直通IDE
腾讯公测AI设计智能体平台Ardot，有一句话生成可编辑UI设计稿、Figma文件零成本导入、一键转代码直通IDE、多人在线评审等功能。它能提升前期出稿效率，支持局部精准微调，适配主流IDE。
2026具身智能数据赛道，卷出了一匹「黑马」
在具身智能面临数据掣肘的背景下，觅蜂科技宣布2026年4月16日将在上海举办一站式物理AI数据服务平台发布会，展示全栈方案，解决核心痛点，发布会有诸多看点，还将举办高规格圆桌论坛。
月薪3万，去内蒙草原给DeepSeek守机房
深度求索放出数据中心高级运维工程师等岗位，要将效率至上哲学从软件延伸到机房运营。其选择乌兰察布建数据中心，因当地条件优、产业生态成熟。且传闻其新一代大模型V4将发布，算力成决胜关键。
阿里WebDancer：训练类DeepReaserch的Agentic Model
来自阿里巴巴通义实验室的研究员推出WebDancer，这是一个原生信息检索的Agentic Model，能自主浏览网页、思考和决策。它基于ReAct框架，经多阶段训练，在信息检索基准测试中表现出色，为解决复杂检索问题提供新思路。
刚刚，北大校友Lilian Weng自曝公司首个产品？一篇论文未发，估值却已90亿
OpenAI前安全副总裁Lilian Weng疑似曝光90亿估值新公司Thinking Machines首个产品——手动调参仪表盘，训练中可手动调超参数。OpenAI也有AI硬件野心，设想让ChatGPT成全能硬件助手。
飞书和豆包合并后的第一个Agent产品，豆包工作，它来了。
字节发布飞书与豆包整合后的首个产品——豆包工作，它是完整办公 Agent，与飞书原生打通，功能丰富。对用飞书办公的公司而言，使用便捷，还便于管理 AI 额度，是很好的 Agent 起手式。
开启Benchmark的Harness时代：15家学术机构联合发布HarnessEval
8月13日，DeepSeek开源Agent Harness dsh引发行业对“Harness”的关注。近日，MirroS联合多机构发布HarnessEval，将其概念引入评测系统。它使评测从Metric到Harness，形成可执行评测系统，已落地于交互式世界模型。