「科技评价体系」共找到 1522 篇相关文章
【万字长文】Claude Skills完全指南：从概念到实战
这是万字Claude Skills指南，从概念到实战。介绍了Skills是模块化能力包，有渐进式披露设计，对比了与MCP、Subagent区别，阐述其优势。还讲了创建、设计、使用方法及分类体系，提示安全风险并推荐资源。
我们对 Coding Agent 的评测，可能搞错了方向
用户对 Agent 不满常因它「做得不好」，不遵循指令和规范。当前主流评测体系以结果为导向，与真实场景错位。MiniMax 开源 OctoCodingBench 评测集，结果显示模型过程规范遵循不足，未来训练需引入过程监督。
老黄开年演讲「含华量」爆表！直接拿DeepSeek、Kimi验货下一代芯片
2026 CES科技盛宴上，老黄PPT燃爆AI圈，DeepSeek与Kimi位列C位。老黄用它们验货下一代芯片，实测显示性能提升显著。中国开源AI表现惊艳，在国际评测中成绩优异，正推动AI应用全面爆发。
英特尔CES奇袭老黄大本营！英伟达显卡刚涨价，最强酷睿量产出货
英特尔第三代酷睿Ultra处理器正式开卖，基于Intel 18A制程，有RibbonFET和PowerVia两大黑科技。移动端有酷睿Ultra X9和X7，图形处理、多线程性能提升，续航达27小时，边缘处理器与PC同步发布。
AI医生终于有了硬标尺！全球首个专病循证评测框架GAPS发布，蚂蚁联合北大王俊院士团队出品
蚂蚁健康与北大王俊院士团队发布全球首个大模型专病循证能力评测框架GAPS及评测集GAPS - NSCLC - preview，解决现有医疗AI评测局限，成果已应用于“蚂蚁阿福”，并客观评价了大模型临床能力。
上市后的摩尔线程，重心从造芯变成建生态
上市刚满15天的摩尔线程在MDC 2025大会展示全栈技术成果，回应市场关注。其创始人强调生态是GPU行业核心，正构建MUSA生态体系，MUSA架构升级，还揭晓‘花港’架构及两款芯片技术路线。
视频模型也能推理，Sora2推理能力超过GPT-5
DeepWisdom团队研究发现视频生成模型能推理，在空间类任务上比图文模型更擅长。团队推出VR - Bench基准测试，构建客观评分体系。实验显示视频模型在空间推理有优势，相关代码和数据集已开源。
周末我去泡温泉按模，顺带做了黑客松评委，看到了下一个趋势
作者黄叔参加百度世界与小红书科技打造的黑客松活动，其赛道分解决实际需求和精神需求两类。10 年出生小朋友获一等奖，作品创意惊艳。活动体现开发门槛降低、开发者多样，AI 应用效果涌现。
刚刚，Andrej Karpathy放出大招：开源nanochat项目，仅8000行代码100美元就能训练出一个ChatGPT
Andrej Karpathy发布nanochat项目，用8000行代码实现ChatGPT完整训练流程。在8xH100节点跑4小时、花100美元，就能有对话、写故事、答题的AI助手。项目覆盖广，含多训练步骤及评估体系。
用“因果规划”解决多智能体协作中的任务依赖难题｜港科广&腾讯
港科广和腾讯研究团队提出CausalMACE方法，将因果推理机制引入开放世界多智能体系统。该方法含全局因果任务图，框架分“判断”“规划”“执行”环节，在基准任务中表现出色，已中稿EMNLP 2025 Findings。