「成本性能」共找到 6938 篇相关文章
ICML 2025 | 大模型能在信息不完备的情况下问出正确的问题吗？
当前大语言模型推理研究多聚焦被动推理，主动推理研究少，制约其在现实场景应用。为此提出 AR - Bench 基准评估大模型主动推理能力，实验显示大模型主动推理能力严重不足，并指出后续拓展方向。
阿里智能体多轮推理超越GPT-4o，开源模型也能做Deep Research
通义实验室推出自主信息检索智能体WebDancer，其通过系统化训练范式为构建智能体提供路径，也为在开源模型上复现Deep Research系统提供指导。它在多数据集测试中表现出色，团队还对其未来应用做了展望。
用DeepSeek徒手造一个能对话的AI简历，助你当场拿下Offer。
作者招人时收到很多AI生成简历，有份把自己变成含AI对话的可视化简历脱颖而出。作者分享用Dify+Gemini或DeepSeek+YouWare搭AI简历方法，还以马斯克求职为例演示操作步骤。
两岁的Llama，最初的14位作者已跑了11个！Mistral成最大赢家
Meta 开源 Llama 模型改变大模型格局，但短短两年，14 位初创作者 11 人离职。Mistral 受益最大，由两位核心架构师创立，其模型与 Meta 竞争。Meta 面临留才挑战，领先优势消退。
靠"氛围编程"狂揽 2 亿美金，Supabase 成 AI 时代最性感的开源数据库
本周，开源数据库 Supabase 宣布完成 2 亿美元 D 轮融资，投后估值 20 亿美元。它以“开箱即用”体验降低 SQL 接入门槛，适配“氛围编程”工作流，还不断集成 AI 能力，开源模式也很有吸引力。
颜水成领衔，给AI分段位！超100款多模态模型，无人达到L5
十所顶尖高校联合发布General - Level评估框架和General - Bench基准数据集，用五级分类制明确多模态通才模型能力标准。评估超100款模型，发现多数在L2 - L3，无L5模型，揭示当前模型不足。
Qwen3技术报告首次全公开！“混合推理模型”是这样炼成的
本文首次公开Qwen3技术报告，介绍其模型架构、预训练及后训练过程、性能表现等技术细节。Qwen3整合两种模式，引入思考预算机制，降低轻量级模型计算资源，在多基准测试领先，多语言支持扩展至119种，所有模型开源。
都标5美元，账单差三成！OpenAI高管：token从来没法直接比价
OpenAI Codex负责人Tibo指出，不同模型对同一段文字切分的token数不同，即便单token价格相同，最终账单也可能差异很大。他还提到，token无统一计量标准，跨厂商和新旧模型计数都难通用，真正重要的是每次成功结果的成本。
Palantir活成了所有FDE羡慕的模样：被骂十年外包，股价一天暴涨29%
8月3日美股盘后，Palantir交出2026年二季报，业绩亮眼致次日股价涨29.45%。此前它被看空，因其交付方式被指像外包。但从财务看它利润率高，且业务增速快，不过高估值和国际业务仍存挑战。
不换模型，效果提升104%！上海AI Lab让Harness也能自进化了
上海人工智能实验室团队提出的Self-Harness引发关注，它针对Agent外层Harness改进。实验显示，在Terminal-Bench-2.0上，不换模型只改Harness，Qwen3.5-35B-A3B等模型效果显著提升。