「测评提升」共找到 3033 篇相关文章
开源模型首次物理奥赛IPhO夺金！上海AI Lab 235B模型击败GPT-5和Grok-4
上海AI Lab的P1 - 235B - A22B在国际物理奥林匹克竞赛夺金，在HiPhO基准测试获12金1银，超越GPT - 5等闭源模型。团队构建HiPhO基准测试，用多阶段强化学习训练模型，开发PhysicsMinions系统提升推理能力。
社区供稿 | 阿里国际Ovis2.5重磅发布：以小博大，刷新开源模型性能新高度
阿里国际发布多模态大模型Ovis2.5，在OpenCompass综合得分提升，保持SOTA水平。它在原生分辨率视觉感知等三方面突破，有9B和2B两版本，代码、模型等资源已开源，技术原理涉及架构、训练与数据。
我的Codex是Claude Code 帮忙装好的……
OpenAI的Tibo称Codex CLI支持ChatGPT账号登录，Plus和Pro订阅用户可在命令行用GPT - 5。作者安装Codex遇问题，Claude Code帮忙解决。测试发现Codex有提升空间，作者认为Claude Code功能强大，建议人人开Claude Code Max。
字节押注AI Coding：百万月活的TRAE，如何改写开发者生态？｜甲子光年
字节跳动在火山引擎Force 2025原动力大会主推自研AI编程产品TRAE，其月活超百万，内部80%工程师在用。AI Coding能提升大模型能力，助字节逼近AGI。TRAE更新功能，未来或成独立开发超级个体。
「Next-Token」范式改变！刚刚，强化学习预训练来了
微软新研究提出「强化预训练（RPT）」新范式，将下一个 token 预测任务重新定义为推理任务，可利用海量文本数据进行通用强化学习。该方法有可扩展性、低风险等优点，实验显示其提升了语言建模能力。
原力灵机发布Realtime-VLA V2：从遥操作到真实部署，VLA提速的系统解法
原力灵机发布《Realtime - VLA V2》技术报告，在VLA控制下让机器人快速运动。实现数倍于遥操作采集训练数据的速度执行VLA，解决了遥操作数据采集、时序延迟等问题，还通过“油门式采集”提升速度，但离人类性能仍有差距。
编程新王Composer 2.5来了，逼近Opus 4.7！成本仅为1/10
Cursor推出全新AI编程模型Composer 2.5，在部分编程基准测试上接近Claude 4.7 Opus和GPT - 5.5，运行效率最高提升10倍，成本仅为竞品一小部分。其采用定向文本反馈RL等机制，还与SpaceXAI合作冲击百万H100集群算力。
谷歌邪修Gemini 3.8 Flash！险胜DeepSeek，姚顺宇：RSI一大步
谷歌发布Gemini 3.8 Flash，编码能力提升，在LMArena榜单险胜DeepSeek-V4-Pro，定价与3.7 Flash一致。其输出速度快，但有网友质疑是刷分。此外还有3.8 Flash Cyber，网络安全能力强却不公开发布。
人形机器人绕不开的坎：续航问题怎么破？
人形机器人续航问题常被忽视，但它面临电池重量、行走能耗、脉冲负荷三个维度约束，标称续航在实际工况会打折，工程上可通过快速换电和提升单次充电电量应对，固态电池有潜力但有待验证。
云计算“活教科书”语出惊人，指明程序员的进化方向
亚马逊云科技副总裁Jeff Barr被称云计算“活教科书”。他认为AI编程工具放大开发者技能，开发者应提升沟通能力，未来“短命应用”将涌现，云与AI结合是趋势，还见证了中国云计算发展的巨大进步。