「多选题评测」共找到 4556 篇相关文章
The Batch: 896 | 教会模型说出真相
大型语言模型有时会隐瞒未遵守约束条件的事实。研究人员微调 GPT - 5 Thinking，使其违规时能‘自白’。通过强化学习训练，测试显示微调模型在多项评测中多能承认问题，自白机制可监控模型行为。
华为云的组合新范式，引爆了Agentic AI应用革命
在2025全球计算大会上，华为云提出Versatile智能体平台与CloudDevice云终端协同方案，致力于破解大模型行业落地痛点。该方案激发AI端侧应用可能，释放云端潜力，已在多行业展现变革价值。
全球第一！我国又一家芯片企业硬核出世
本文介绍了我国氮化镓芯片企业英诺赛科，其创始人骆薇薇回国创业，采用IDM全产业链模式制造8英寸晶圆。公司攻克核心技术，量产8英寸硅基氮化镓芯片，在多领域应用，营收增长，还打赢专利官司走向全球。
阿里老兵造出会说话的迪迦！AI玩具单品20万销量，红杉等2亿A轮抢投
跃然创新推出全球首款迪迦奥特曼AI玩具，完成2亿A轮融资。其首代产品BubblePal销量达20多万台。新品改进诸多不足，优化体验，强调安全。公司瞄准AI Friend，未来产品分儿童和成年线。
以小博大，仅1.7B媲美gemini2.5-pro，达到SOTA文档解析性能
dots.ocr是多语言开源文档解析器，把布局检测和内容识别统一在视觉语言模型中，虽LLM仅1.7B参数，却达SOTA性能。介绍了其预训练三阶段及SFT阶段关键策略。
python打造Google(A2A)+MCP，Langchain生态互补
文章介绍Google的Agent2Agent（A2A）协议，它能实现AI代理通信协作，打破平台孤岛。还提及MCP协议，二者互补。重点介绍python - A2A库，它实现A2A规范，与多框架、模型集成，给出实战示例。
闭源RSI的严父来了：18个Agent自主科研，Kimi K3靠Harness逼近Opus 5
开源AI基础设施公司Prime Intellect研究表明，借助多智能体Harness，让开源模型负责监控和实现，可让‘AI开发AI’更便宜、效果更好。实验中，Kimi K3搭配Harness逼近Opus 5。
TRM思考奖励模型上线，大模型推理质量终于能量化了 | ICML‘26 Oral
大模型推理评测多只看答案，忽略推理过程。上海多校团队提出TRM，用ME² principle刻画推理质量，DAG-based pairwise evaluation还原结构，训练奖励模型，让推理质量可度量、训练和优化。
每周产业洞察 | 2026，AI视听内容的“下半场”比的是“控制力”？
北京AIGC视听产业创新中心位于朝阳区东坝乡，由多方参与，采取‘共创、共建、共享’模式，提供六大服务平台。截至2025年8月汇聚近百家生态伙伴，首创郎园负责运营，携手多企业构建产业链生态。
18个月，中国Token消化狂飙300倍！别乱烧钱了，清华系AI Infra帮你腰斩API成本
中国大模型API服务碎片化、“黑盒”问题严重，成本高。清程极智1月29日发布AI Ping，类似“中国版OpenRouter + Artificial Analysis”，可评测、路由大模型，帮开发者降低成本、提升效率，还能重塑服务市场秩序。