「评分规则」共找到 302 篇相关文章
73%人类认同率！Video-Bench实现视频质量精准打分
上海交大等团队提出视频评估框架Video - Bench，让多模态大模型‘像人一样评判视频’。它构建双维度评估框架，引入链式查询和少样本评分技术，与人类判断73%高相关，为视频生成模型优化提供标尺。
雷峰网现场直击：ICRA 2026下周在维也纳开幕，中国力量站上C位
6月1日，IEEE国际机器人与自动化会议（ICRA 2026）将在维也纳开幕。今年投稿量4947篇破纪录，86个国家参与，1882篇论文被录用。热门方向有VLA模型、Sim - to - Real、3D感知，中国研究者从投稿大国迈向规则定义者。
AI视频杀出一匹“快乐黑马”：把Seedance 2.0挤下榜首，幕后团队成谜
4月7日深夜，AI评测平台公告Video Arena新增匿名视频模型HappyHorse - 1.0，48小时后积分登顶，超过Seedance 2.0。网友猜测其出自中国团队，有线索指向Sand.ai等联合团队或阿里淘天集团。实测表现有亮点，Elo评分合理性存疑。
胜率直逼人类大师！这套Agent揭开中国AI「玄学真相」
在无信息泄漏的术数题库中，Claude、GPT等主流模型准确率低，而Tianfu Agent系统将准确率提至50%，逼近人类Top20选手。它采用多Sub - Agent协作等策略，还在工具管理、规则使用等方面有创新。
全球顶尖大模型一夜惨遭血洗！最难测试人类拿满分，AI第一名得0.2%分
全球最难AGI测试ARC - AGI - 3上线，人类满分通关，最强模型Opus 4.6仅得0.2%。测试从静态题变为互动游戏，评分看效率。前沿大模型得分低，非LLM方案表现更好，AI缺乏元认知能力。
Karpathy的编程经验Skills，开源了，Star涨疯了。
周末，Karpathy大佬的编程经验开源skills项目火了，它把其吐槽大模型写代码的问题编译成大模型可理解的约束。安装简单，还列举了一些规则示例。如今行业把人的经验编译成Agent可执行格式，开源范式改变。
AI 驱动的大数据自治：TCInsight 智能应对复杂运维挑战
在大数据平台高速发展下，传统专家运维模式难应对复杂问题。腾讯专家工程师熊训德介绍大数据智能管家 TCInsight，其架构分三层，结合规则与专家系统提升自治能力，还分享实践案例，指出后续待优化方向。
只要科学任务能打分，AI就能实现SOTA结果 | 谷歌最新论文
谷歌最新论文提出，只要科学任务可评分，用大模型+树搜索，让AI大海捞针，就能找到超越人类专家的方法实现SOTA结果。他们开发的AI系统在多领域发明新方法，都达SOTA水平。
迪士尼OpenAI达成70亿协议，火速控诉谷歌侵权！
迪士尼法务部被称作「地表最强IP打击队」。近日，它前脚与OpenAI签70亿协议，授权超200个角色用于Sora；后脚控诉谷歌侵权。迪士尼早对多家AI公司警告起诉，正重新定义AI使用内容的规则。
二十年老牌 IDE 栽在 AI 上！JetBrains 被差评逼疯批量删除评论，用户怒打更多1星抗议
JetBrains 2023 年 12 月发布的 AI 助手插件下载超 2200 万次，但评分仅 2.3 分。该公司批量删负面评论引用户不满，其还存在安装难移除、体验差等问题。虽推出免费套餐和 Junie 智能体，仍面临成本和竞争压力。