「综合测评」共找到 223 篇相关文章
一篇论文改写AI科研评价规则！中国公司拿出实践数据，双榜第一、成本更低
今年科技巨头入局AI4S，想打造“AI科学家”。8月19日《Measuring AI Scientists: From Exams to Discovery》论文提出评价范式。深度原理MIRA平台是现实样本，在评测中表现优异，沉淀闭环数据。
吴恩达来信：人工智能工程技能地图
吴恩达团队综合整理AI工程技能地图，助开发者确定学习方向和雇主招聘。四项重要技能为构建和部署AI应用、软件工程基础、使用编程智能体、塑造构建，背后需持续学习心态。
Anthropic联创公开劝退套路码农！94%编程将被接管，去学点哲学吧
Anthropic联创Jack Clark在峰会上称大学生应避开「套路化编程」，未来需跨学科综合、分析思考能力。Anthropic雇哲学家训练Claude，工程师工作转向管理AI智能体，AI接管编程趋势明显。
马斯克Grok 4.1双冠封王，爆冲第一！AI王座一夜易主
马斯克携xAI推出Grok 4.1并免费开放。它在LMArena和EQ - Bench登顶，写作Elo提升600分、幻觉率降3倍。后训练RL规模扩大，还经盲测评估，在多方面表现出色。
我在WAIC看见的十大趋势
上海世界人工智能大会（WAIC）热度空前，一票难求。本文总结了WAIC呈现的十大核心趋势，如中国AI因DeepSeek而不同，开源大模型进入中国时间，AI创新来到ToC阶段，第一批商业化AI终端是汽车、耳机和眼镜等。
Agent 成大厂新“战场”？从同程旅行 DeepTrip 看垂类 Agent 的设计与落地实践
文章聚焦同程旅行推出的垂类旅行 Agent DeepTrip，介绍其设计与落地实践。它能降低旅行决策成本，构建旅行服务生态。团队基于多方面考量选 Agent 架构，还从多维度介绍实现方法及未来规划。
亿级日活App的“算力生死劫”：推理成本倒挂，他们靠跨云架构砍掉75% GPU集群
一家AI穿搭+购物推荐的出海应用DAU破亿，但算力和传输成本高，ARPU远低于成本。该企业转向Akamai推理云，换用RTX PRO 6000，缩减服务器集群，降低成本，采用跨云架构过渡，实现零阵痛平替。
迎接智能体的「觉醒时刻」：EverOS全球公测开启Agent Memory自进化序章
随着主动执行型 Agent 爆发，AI 向自我演化智能体跃迁，但现有 Agent 有诸多痛点。EverMind 团队公测专为自我演化智能体设计的记忆底座 EverOS，它依托核心算法与进化引擎，提升任务成功率，解决多项技术难题。
让VLM学会「心中有世界」：VAGEN用多轮RL把视觉智能变成「世界模型」推理机器
当前VLM智能体面对复杂视觉任务表现不佳，美国西北大学等机构联合研究成果VAGEN，提出创新强化学习框架，奖励正确思考过程，让VLM在行动前构建内部世界模型，效果超多款闭源大模型。
刚刚，DeepSeek-V3.1「终极版」重磅发布！最大提升超36%，V4/R2还远吗？
DeepSeek最新模型DeepSeek-V3.1-Terminus发布，解决了此前输出随机带「极」字、中英文混杂等问题，在多个基准测试中成绩提升，最大提升超36%，Agent能力也有进步，还引发网友对V4/R2的期待。