「长视频评测」共找到 2160 篇相关文章
Fable5仅做对3.5%！大模型会看图，但还没有主动视觉
本文介绍了专门测量「主动观察」能力的视觉推理基准 ActiveVision，评测显示无外部工具时，大模型与人类准确率有近 9 倍差距，用工具后虽提升但仍远不如人类，还说明了其出题与避免取巧的方式。
BeyondSWE：AI编程80分是真的强，还是考卷太简单？
前沿模型在SWE - bench Verified测试中得分超80%，但该测试像开卷填空。中国人民大学提出BeyondSWE重新设计评测，规模是前者18倍，模型得分全跌破45%。还提出SearchSWE框架，结果显示搜索与编码能力融合待提升。
Yann LeCun非生成世界模型前瞻：开年三篇论文展示JEPA工程化拐点
2026年Yann LeCun团队3篇论文展示基于JEPA框架的非生成世界模型工程化拐点。Rectified LpJEPA让表示更省力，GRASP将长时域规划并行求解，EB - JEPA把方法写成代码，为非生成式世界模型提供技术路线。
Ilya重新定义AGI: 为什么ChatGPT离真正的AGI还很远
OpenAI前首席科学家Ilya在访谈中提出对AGI的新定义，还指出AI规模时代结束，未来拼想法和研究深度。他分析模型评测强但经济影响弱的原因，阐述人类价值函数作用，且SSI战略或调整。
33岁稚晖君，上市公司董事长！
11月25日，上纬新材公告选举彭志辉（稚晖君）为董事长。智元机器人于2025年7 - 11月完成对上纬新材收购，成本约21亿。上纬提示股价风险，业务仍在开发未量产盈利，主营未变。
谷歌新版Gemini马甲被扒! LMArena实测：唯一能看懂表的AI, GPT-5乱答
谷歌Gemini 3.0疑似上线LMArena，其Pro和Flash马甲被扒。实测中，Gemini 3 Pro能精确看表，GPT - 5等表现不佳；SVG测试有提升但也有不足；还能作曲。不过评测方式老套，希望有新花样。
Sora 2 中国首测？Open AI 这次真成了！
OpenAI提前发布Sora 2模型，可克隆音色，支持多语言。还推出似AI版抖音的社交APP，免费生成视频。测试显示，它有世界知识，能多参生成、自动切镜头，在多方面表现出色，但版权限制严，部分一致性待提升。
Qwen全面升级非思考模型，3B激活、256K长文、性能直逼GPT-4o
Qwen全新非思考模型Qwen3-30B-A3B-Instruct-2507上线，仅激活3B参数，性能媲美顶尖闭源模型。相比前代，推理、对齐和长文本处理能力大幅提升，在通用能力上也全面进步，适合复杂人机交互应用。
JFM | 西北工业大学杨忠鑫、张伟伟等：数据驱动的特定且可泛化的湍流封闭知识发现
本文基于高精度数据结合符号回归等方法重建混合长理论，提出解决泛化性问题的策略。通过槽道等基本流动获普适公式，用于封闭求解RANS方程，在工程附着流中提升精度，为飞行器摩阻预测提供新工具。
小红书发布 SWE-Bench Mobile：当 AI Agent 面对亿级用户 App 代码库，最高通过率仅12%？
小红书联合多科研机构发布 SWE-Bench Mobile，它是首个还原‘端到端’开发流程的基准，以小红书 App 实际任务为核心。评测显示，AI Agent 在移动端开发能力上限低，架构设计比模型本身重要，简单提示策略效果更好。