「性能评估」共找到 2549 篇相关文章
为什么 Agent Memory需要 AML：看 AML “变量控制”的工程设计
传统 Agent 记忆评测有水分，近日放榜的 Agent Memory Leaderboard (AML) 通过严格控制变量构建盲测管线。文章从技术架构深拆其工程细节，还分析了首期榜单，指出其重构评估变量的价值。
0.01%参数就能接近全量微调！低数据微调极致省参方案来了 | ACL'26
瑞典隆德大学与Google DeepMind团队研究大模型微调省参方案。发现低数据场景下，微调Value投影中的b(v)比b(q)或b(k)性能更好。该研究已被ACL 2026接收，集成进Hugging Face - PEFT库。
Fable 5解禁即翻车！写一行代码就降智，开发者破防
消失19天的Fable 5解禁即翻车，因过度审查和双标机制，让开发者破防。但抛开护栏，它执行复杂任务能力强。A社同期发布的Sonnet 5也遭群嘲，此外，A社还提出评估框架并向政府让步。
Claude灾难级大宕机，全球开发者集体炸锅！Anthropic三连翻车被怒喷
4月6日Claude新功能Ultraplan上线就遭遇大规模宕机，开发者看到满屏‘授权失败’等。此前源码泄露，现又被指修改系统提示词报错、性能下降。虽Ultraplan有效果，但token消耗大，Anthropic太急，产品稳定性堪忧。
老黄开年演讲「含华量」爆表！直接拿DeepSeek、Kimi验货下一代芯片
2026 CES科技盛宴上，老黄PPT燃爆AI圈，DeepSeek与Kimi位列C位。老黄用它们验货下一代芯片，实测显示性能提升显著。中国开源AI表现惊艳，在国际评测中成绩优异，正推动AI应用全面爆发。
HAMi × NVIDIA：GPU 拓扑感知调度实现详解
HAMi社区在v2.7.0版本推出针对NVIDIA GPU的拓扑感知调度功能，解决多卡通信瓶颈。文章深入剖析其设计与实现原理，介绍核心特性、阶段及代码，用双策略寻优算法保障性能与资源健康。
Claude不让我们用！国产平替能顶上吗？
全球AI代码生成竞争格局生变，Anthropic地位动摇，一是OpenAI GPT - 5崛起，二是自身迷之操作。此时国产大模型发力，如Kimi - K2 - 0905、Qwen3 - Max - Preview，性能和价格有优势，有望改变竞争格局。
GPT-5最大市场在印度？Altman最新访谈：可以聊婚姻家庭，但回答不了GPT-5为何不及预期
2025年8月8日OpenAI发布GPT - 5引热议。个人消费者多有不满，反馈体验差、性能不强；企业级市场却很欢迎，多家公司已采用。Sam Altman在访谈谈其特性，还聊了职业、家庭、AI发展等话题。
重塑注意力机制：GTA登场，KV缓存缩减70%、计算量削减62.5%
GTA由多所高校联合研发，提出大模型框架，解决传统多头注意力机制弊端。通过分组共享注意力矩阵和压缩潜在值表示，削减计算量、缩减KV缓存，实验验证其性能优、效率高，虽有局限但前景好。
中山大学&华为联合提出 Issue Resolution 数据集构建神器SWE-Factory：每条只要$0.024
中山大学和华为联合提出低成本开源方案 SWE-Factory，可自动收集代码打造高质量代码评估数据集。它能解决传统构建流程繁琐、依赖人工的问题，实现全流程自动化，还构建了 SweSetupBench 数据集，表现出色。