「端到端评测」共找到 3014 篇相关文章
黄仁勋刚讲完AI「五层蛋糕」，他们就跑通了！算力、模型、Agent一次打穿
英伟达CEO黄仁勋提出「AI的五层蛋糕」架构，易鑫结合汽车金融场景构建全栈式AI体系，从基础设施到业务应用层层推进，解决行业痛点，还开源模型推动共赢。
谷歌首个原生多模态向量模型发布：Agent 可以用文字搜图片、用图片搜视频了...
谷歌推出首个原生多模态嵌入模型Gemini Embedding 2，通过Gemini API和Vertex AI公开预览。它将文本、图像等映射到统一向量空间，支持多模态交错输入，性能超越现有领先模型，开发者可快速接入。
刚刚，OpenAI股改完成，非营利主体更名
OpenAI宣布完成资本结构重组，上市道路铺平，软银225亿美元投资将到账。重组后非营利主体更名OpenAI Foundation，掌控营利实体26%股份。基金会将在健康和AI弹性技术上投250亿美元。
WSJ：中国AI公司用“飞行硬盘箱”规避美国芯片封锁
美国限制向中国出售先进AI芯片，中国公司想出新招，工程师带硬盘到海外数据中心训练AI，再将结果带回。企业还通过多种方式绕开封锁，同时东南亚数据中心崛起，中东也成新热点。
给 Agent Skills 装上眼睛：MMSkills 用多模态技能包教会智能体看状态、做决策
上海交通大学和小红书团队推出面向通用视觉 Agent 的多模态技能框架 MMSkills，将可复用技能扩展为多模态程序性知识，通过 branch loading 调用视觉证据，在 GUI 与游戏任务评测中表现出色。
Meta通过简单算术解锁LLM SoTA性能
大型语言模型训练耗算力与时间，传统模型融合方法有局限。本文提出SoCE新方法，通过筛选专家模型、非均匀加权平均融合，在多评测中实现先进性能，为LLM优化提供新思路。
NeurIPS 2025 | 北大联合小红书提出Uni-Instruct：ImageNet单步生图FID进入1.0时代！
北大联合小红书提出的 Uni - Instruct 框架被 NeurIPS 2025 接收，它统一超 10 种单步扩散模型蒸馏方法，在多项任务达最佳性能，还能用于文本到 3D 生成。
Qwen Intelligence，让个人智能触手可及
阿里千问发布面向手机厂商的AI手机全栈解决方案Qwen Intelligence，推出三大适配手机场景的Agent，开放四套手机AI专属评测集，已与荣耀合作落地，推动AI手机从被动响应转向主动服务。
EMNLP 2026高分论文MathDebugger：当合成数据涌入训练集，如何为数学题做体检？
随着合成数据增多，模型需判断数学数据题目能否被信任。北大DCAI团队提出MathDebugger质检BenchMark，覆盖问答两端，评测主流LLM和PRM。还探究能否判断正误、分类错误、修复数据，证明错误标签可作监督信号。
人形机器人不再「走走停停」：Current Robotics发布全身灵巧操作模型Curr-0
具身智能领域中，让机器人移动中精细操作一直未被很好解决。Current Robotics发布全身灵巧操作模型Curr - 0，用Single Policy统一策略，数据源于自研外骨骼系统，还构建世界模型解决评测部署难题。