「基准数据集」共找到 3265 篇相关文章
Gemini 3.1 Flash-Lite Preview发布：Google完成AI模型分层布局
Google发布Gemini 3.1 Flash-Lite Preview，针对企业和开发者场景优化，速度快，有‘思考级别’功能。基准测试表现不错，价格比Claude 4.5 Haiku便宜，但开发者社区反应复杂，面临市场定位问题。
RL是「点金石」还是「挖掘机」？CMU 用可控实验给出答案
卡耐基梅隆大学研究者构建基于GSM - Infinite的可控合成数据框架，分析预训练、中期训练和RL对模型推理泛化能力的影响，调和了RL有效性的不同观点，为改进训练策略提供基础。
ChatGPT惊现“零点击攻击”，API密钥被轻松泄露，OpenAI暂未解决
ChatGPT存在“零点击攻击”安全问题，攻击者可通过向第三方应用文档注入恶意提示，窃取用户敏感数据和API密钥。OpenAI虽采取防范措施，但攻击者仍能绕过。专家为企业提出防范建议。
28岁辍学生掌舵Meta超级AI！小扎掷千亿，与奥特曼密谋，新「王」登顶
28岁的Alexandr Wang 19岁辍学，24岁成亿万富翁，现加盟Meta负责「超级智能」部门。他接受专访谈前沿思考，如智能体经济将至、人类成管理者、数据是瓶颈等，其理念有争议。
刚刚，SpaceX、英伟达宣布：AI数据中心要上天了
SpaceX与英伟达合作设计Starmind AI1卫星计算载荷，每颗卫星搭载NVIDIA GPU和CPU，将数据中心算力部署太空，该设计也用于地面数据中心。但项目投入大，还面临管理集群等难题。
清华、快手提出AttnRL：让大模型用「注意力」探索
清华和快手团队提出新框架AttnRL，引入注意力机制提升过程监督强化学习效率与性能。它解决传统方法在分支位置选择和采样策略上的效率问题，实验显示在多基准测试中表现优异。
稚晖君家智元没参展机器人大会，合着是人家自己办（doge）
这是智元机器人首届合作伙伴大会现场画面。前段时间世界机器人大会没智元身影，原来它有自己的大会。现场机器人表现多样，有比心、穿梭、自主讲解等，还有真机数据采集、流水线分拣等工作场景。
VLA大模型做长任务总断片？同济KC-VLA用关键帧链给治好了
VLA大模型记性是短板，处理非马尔可夫任务常束手无策。同济大学等提出KC - VLA框架，用关键帧链接赋予机器人全局时间感知能力，还构建了长时序记忆依赖基准测试，实验显示其性能优越。
用SFT打出RL的效果？微软联合提出高效后训练算法
大模型后训练阶段，SFT 和 RL 各有优劣。微软等联合提出新工作，量化 SFT 和 RL 在数据层面的差距，提出 IDFT 和 Hinted Decoding 等高效后训练技术，实验显示新方法泛化超 SFT、效率超 RL。
刚刚，Anthropic这篇论文上了Natrue
Anthropic关于“潜意识学习”的研究发表于《Nature》杂志。研究揭示大语言模型能通过与语义无关的数据传递行为特征，如偏好、不对齐行为等，还探究了其机制，并在MNIST上验证。