「评测范式」共找到 1558 篇相关文章
超越人类标注，Meta提出CoT-Self-Instruct：如何用"推理式自进化"重塑LLM训练
大语言模型发展需海量高质量训练数据，传统人工标注困境重重，现有合成数据方法也有缺陷。Meta提出CoT - Self - Instruct，通过推理式自进化生成数据，实验证明其在多个任务上超越人类标注数据。
首篇潜空间推理综述！模型思考不必依赖Token，带宽暴增2700+倍
史上首篇潜空间推理综述全面总结新兴推理范式，分析循环、递归等推理形式并总结成框架。潜空间推理用潜式思维链，带宽比显式CoT提升2700多倍，还介绍无限深度推理实现途径。
ICML 2025 | 多智能体的ChatGPT时刻？上交MAS-GPT实现工作流一键生成
上海交通大学等机构推出 MAS - GPT，提出生成式 MAS 设计范式，可一键生成可执行的 MAS。它解决了现有 MAS 方法无适应性、成本高、泛化性低等问题，实验显示其表现出色，未来潜力大。
模型、代码、数据全开源！轻松训练自己的垂类Agent！
Together AI联合Agentica推出`DeepSWE-Preview`，基于开源Qwen模型，用RL在SWE - Bench - Verified登顶。团队将模型权重、训练框架等全开源，抛弃SFT纯用RL训练，还分享训练秘籍和TTS技巧，为垂类Agent训练提供新范本。
豆包 AI 编程：一句话写赛博鱼缸，动嘴皮改富士滤镜
豆包发布全新模型 1.6 后，AI 编程更新，基于此模型在评测集位列第一梯队。它实现低门槛+可用性，能一句话生成网站、工具，还可可视化编辑，目标是让普通人能做产品。
测评豆包1.6：我用它开发了一个“聪明的旅行策划Agent”
作者对豆包1.6进行测评，用其构建旅行策划Agent。豆包1.6推理强、有自适应思考模式且计价创新。作者实操构建旅行Agent，结合MCP完成任务，虽有不足但超预期，国内Agent开发生态已成熟。
智能交互终于步入真·人机交互时代了，这很讯飞
科大讯飞发布会上展示智能硬件新范式，AIUI升级实现拟人自然对话，机器人超脑平台赋能机器人，还有数字人等成果。其交互技术不断突破，展示全链技术方案，推动产业升级。
每秒生成超30帧视频，支持实时交互！自回归视频生成新框架刷新生成效率
微软研究院与北大联合发布Next - Frame Diffusion (NFD)新框架，通过帧内并行采样、帧间自回归等方式，让视频生成在保持高质量的同时，效率大幅提升，还采用多项技术进一步优化。
全球首个历史基准！普林复旦打造AI历史助手，AI破圈人文学科
普林斯顿大学AI实验室与复旦大学历史学系联手推出全球首个历史领域评测基准HistBench及AI助手HistAgent。HistBench含414道题，能检验AI深度认知能力；HistAgent集成多种工具，在测试中表现优异。
Lex Fridman 对谈谷歌 CEO：追上进度后，谷歌接下来打算做什么？
Lex Fridman 采访谷歌 CEO Sundar Pichai，探讨谷歌在 AI 竞赛中的逆袭、搜索和广告的 AI 模式转变、模型发展、AI 编程提效、AR 前景、自动驾驶挑战等，还谈及 AGI 及 AI 对人类的影响。