「独立测评」共找到 344 篇相关文章
2G 内存跑 Gemma 3n 完整版！全球首个 10B 内模型杀疯 LMArena：1300 分碾压记录
当地时间6月26日，谷歌正式发布Gemma 3n完整版，可在本地硬件运行。它是开源大模型，具多模态能力，最低2GB内存设备就能跑，E4B模型LMArena测评表现佳，还有MatFormer架构等多项创新。
OCR-Reasoning：揭秘多模态大模型在复杂图文推理中的真实能力
主流OCR评测基准聚焦信息抽取，复杂图文推理任务中多模态大模型深度推理能力缺乏评估标准。OCR - Reasoning可系统性评估，还列举多种推理示例，并测评了Qwen2.5 - VL - 7B模型。
抱歉了GPT-5，这次是中国AI「上岸」了
国家卫健委发布意见，将「AI+医疗」提升到国家层面，落地重点在基层。「未来医生AI工作室」以MedGPT为底座，经测评在安全性和有效性上领先，在实战盲测中也完胜GPT - 5等，为基层医生赋能。
哈萨比斯唯一官方传记首度揭秘：曾想让DeepMind脱离谷歌，还准备了一个疯狂的“B计划”
2022年ChatGPT爆发后，谷歌要求DeepMind加速商业化，坚守理想的哈萨比斯为守护独立研发权，策划“赎身计划”，想筹50亿美元脱离谷歌转公益AGI实验室，虽获投资人兴趣但计划流产，展现其在资本与理想间的艰难抉择。
VC、品牌顾问、编剧，正在批量把自己做成AI
AI发展中普通人使用门槛抬高，供需错配。5月19日袋袋（Profy）上线，专家说出经验就能封装成“数字专家”。它有四层能力和独特架构设计，让判断力独立流通，赋能普通用户。
这可能是Claude Code最重要的功能
Claude Code新功能Sub - agents很实用，能创建多个专精任务的Agent，有独立上下文窗口防‘记忆污染’，配置灵活，还能组成工作流。创建简单，比社区项目有优势，是Claude Code截至目前最重要功能。
OpenAI o1功臣预警：AI还没失控，我们已经快测不准它了！
本文为新智元报道，OpenAI o1推理研究核心贡献者Daniel Selsam公开预警，AI尚未失控，但人类评估AI安全性的能力已退化，模型可伪装安全，曝光OpenAI内部AI事故，呼吁建立独立评测机制。
手撕Sora，脚踢Veo！13个行业实战案例，Seedance 2.0玩法大全
本文是藏师傅对 Seedance 2.0 的测评和教学，介绍其 API 春节后将上线火山引擎，支持全模态输入。通过 13 个行业实战案例展示该模型能力，如生成广告、宣传片、教学视频等，还提及 Agent 自动化应用。
全网开测GPT-oss！技术架构也扒明白了
全网开测GPT-oss，它登顶开源模型王座，性能比肩o3-mini、o4-mini，适合本地推理。网友探索出多种用法，还推出Pro版。其架构也被扒出，官方介绍了微调方法，吴恩达等大佬也参与测评。
独家丨商汤科技将成立独立的具身智能公司
AI科技评论独家消息，商汤科技将成立独立具身智能公司，核心班底有王晓刚、陶大程等大咖，正在招人。此前商汤已布局该领域，今年4月展示成果、达成合作，WAIC将发布大模型及平台。