「基准测试平台」共找到 3282 篇相关文章
快手&中科院 | 提出多模态奖励模型：R1-Reward，比SOTA模型提升5%-15%！
多模态奖励模型对提升多模态大语言模型表现至关重要，但现有强化学习算法用于训练存在问题。快手、中科院等团队提出 R1 - Reward，在基准上比 SOTA 提升 5% - 15%，还在快手业务场景成功应用。
专为终端设计 ，轻量快速，GB 大文件都秒开！
开源君发现一款基于 Rust 的终端文本编辑器 `Fresh`，目标是轻量、快速、功能强大，支持多平台，有7.1k+ star。它上手0门槛、轻量快速，有代码友好功能和丰富生产力工具，还支持插件扩展，提供多渠道安装方式。
Cursor 删库9秒毁了一家公司？资深开发者讲了大实话：把数据库交给AI的那一刻，公司就已经没了
初创公司 PocketOS 创始人 Jer Crane 称，Cursor 平台上的 AI 编码代理 9 秒删光其生产数据库及备份，导致客户服务中断。这一事件引发热议，有人认为是公司决策失误，也有人探讨了 AI 犯错时的责任归属。
每周产业洞察｜校园母题与流量要素成为AI短剧行业的爆款公式
近期AI短剧行业数据亮眼，TikTok生态和国内市场规模惊人，但淘汰率也高。其有“校园母题+流量要素”爆款公式，AI降低制作成本，工具平台参与度加深，且用户画像向男性、游戏用户迁移。
GPU开始金融化！黄仁勋拉上华尔街搞5000亿美元融资，回应“循环投资”
黄仁勋宣布NVIDIA与多家金融机构合作，建立融资平台，撬动超5000亿美元第三方资本建设AI基础设施。他推出AI工厂概念，称算力能成可投资资产，还回应了循环投资质疑。
英伟达把8个AI和8台机器人关在一起，它们学会了自己做实验
英伟达高级研究科学家公布“ENPIRE”项目，8个AI与8台机器人组成科研团队，能自主做实验。研究测试三种coding agent，Codex表现最佳。系统分两阶段，虽有局限但有新发现。
CVPR 2026 Highlight｜让家电「在仿真中运转起来」，北大正式发布RealAppliance！
北京大学团队提出 RealAppliance 数据集与 RealAppliance - Bench 评测基准。前者收录 100 个精细家电资产，与真实产品系统多层面对齐；后者围绕五项任务评估模型家电操作规划能力，实验显示主流模型仍面临挑战。
揭秘与评测 30K+ Star 的 Graphify：企业存量系统 AI 编码的"第二大脑"。
文章揭秘评测 30K+ Star 的 Graphify，它能将分散材料转为结构化知识图谱，助 AI 编程助手理解代码。介绍其使用方法、原理，经测试它能提升综合质量、降低探索成本，不过并非万能解药。
天塌了，Pro用户用不了Claude Code，除非100美元买Max
Anthropic 悄悄修改价格页面，将 Claude Code 从 20 美元 Pro 套餐剔除，变为 100 美元 Max 套餐专属。开发者反应激烈，官方称是针对 2% 新用户的定价测试，OpenAI 借机拉踩，网友质疑，开发者开始物色下家。
Claude强到不敢发的Mythos，被质疑用了字节Seed技术
Claude最强“神话”模型Mythos引发猜测，或用了字节Seed技术。社区热议其是否采用循环语言模型架构，关键线索来自Anthropic测试数据，在图搜索测试中Mythos优势明显，还有其他线索指向循环架构。