「AI 2.0公司」共找到 11565 篇相关文章
多模态大模型不会画辅助线？最新评估得分：o3仅25.8%，远低于人类82.3% | 清华腾讯斯坦福联合
清华、腾讯、斯坦福等团队发布RBench - V基准测试，评估大模型视觉推理能力。结果显示，主流大模型如o3、Gemini2.5等准确率远低于人类，开源模型表现更差，暴露出大模型在复杂多模态推理任务中能力不足。
超长推理还能节省计算！Salesforce开源神器两连发：教大模型边想边省，显著提升数学编程准确率
Salesforce AI Research开源Elastic Reasoning和Fractured Sampling。前者将推理流程分两部分，分配token预算，使输出缩短、准确性提高；后者打碎推理链条，从三维度采样，以更少tokens换更高准确率，均提升数学和编程任务准确率。
建模世界偏好：偏好建模中的Scaling Laws
研究首次揭示人类偏好建模遵循Scaling Law，从论坛收集数据在Qwen 2.5模型训练，发现测试损失随训练规模指数增长线性下降。提出建模世界偏好，论文和模型已开源，还探讨了偏好建模可扩展性等问题。
突袭Cursor，Windsurf抢发自研大模型！性能比肩Claude 3.5、但成本更低，网友好评：响应快、不废话
当地时间5月16日，Windsurf推出首个AI软件工程模型家族SWE - 1。此系列含三款模型，性能比肩Claude 3.5且成本更低。开发者试用评价不错，但也指出存在幻觉问题。Windsurf旨在提升软件开发速度，后续将持续投入。
给Kali 加个MCP,直接用cursor做渗透测试
文章围绕用MCP调用Kali进行渗透测试展开，介绍国外大神实现此方法并开源。阐述系统原理、Cursor配置，通过实际测试展示效果，指出MCP让渗透测试调用更简洁，是较大进步，还给出了代码链接。
Meta最强模型跑分超越Opus 5.5？实测大翻车，作弊刷榜实锤了
本文报道Meta发布全新大模型Muse Wonder，官方宣称跑分超越GPT-6 Astra与Claude Opus 5.5，砸千亿冲击前沿大模型梯队，却遭开发者实测翻车，引发刷榜作弊争议，梳理了模型优缺点与Meta的AI战略布局。
中科大团队把会「倒推」的世界模型塞进了机器人，成立三个月拿下数千万融资！
本文报道中科大团队创办的白泽通境，推出具备溯因能力的世界模型AWM，自研端侧推理引擎BAIZ-RUN，可将世界模型压缩部署到机器人端侧，已完成多个工业场景验证，公司成立三月即获数千万首轮融资。
Jev刷屏之后，竟然有人12个月前就提出了概率并行生成？
Jev刷屏引发AI面向决策输出的讨论，本文挖掘出香港中文大学徐强团队2025年9月就已提出显式概率、并行输出、面向决策的概率预测新范式，验证模型TimePrism以极简结构取得超越复杂模型的效果，思路与Jev异曲同工。
本地Opus你要不要！Qwen3.8-27B开源
阿里Qwen团队开源Qwen3.8-27B，上线2天登顶Hugging Face全球大模型趋势榜，下载破百万。其性能超Opus4.6，与顶尖模型相当，量化后普通电脑就能跑，原生多模态，编程、Agent、多模态跑分表现出色。
拖更三年，北大校友翁荔最新长文刷屏！
前OpenAI副总裁Lilian Weng发布拖更三年的长文《Scaling Laws, Carefully》，指出AI行业依赖的Scaling Laws远比想象脆弱。OpenAI和DeepMind对算力分配结论相反，且Chinchilla方法论也有问题，同时数据快用完，经典公式前提在崩塌。