「基准构建」共找到 2651 篇相关文章
南大团队直击大模型高分神话：人类90分，最强模型仅49分
南京大学傅朝友团队在Google Gemini评测团队邀约下推出视频理解新基准Video - MME - v2。它有创新的分层能力体系与组级非线性评分，经超3300人工时标注。评测显示模型与人类差距大，还揭示传统Acc指标虚高、‘Thinking’并非总增益等现象。
浙大&港理工等提出InfiGUI-R1：利用强化学习，让GUI智能体学会规划任务、反思错误
多模态大模型驱动的GUI智能体有潜力，但现有智能体面对复杂任务力不从心。浙大等机构提出InfiGUI-R1及Actor2Reasoner框架，通过两阶段训练提升智能体能力，InfiGUI-R1-3B在多基准测试中性能卓越，为GUI自动化工具开辟新道路。
阿里一口气发了N款新模型，让我们向源神致敬。
阿里云栖大会发布众多模型，如Qwen3-Max对标顶尖模型，Wan2.5支持音画同出，Qwen3-VL开源且跑分出色，Qwen3-Omni是全模态模型等。发布会上阿里股票涨飞，其构建了全模态、全场景超级生态。
谷歌最强大模型付费上线，在DeepSeek开源后被吐槽太贵
谷歌最强模型Gemini 3 Deep Think上线，推理能力强，能将草图变3D场景、搭建游戏。它在多评测基准表现出色，准确率超GPT - 5 Pro等。但仅向Ultra会员开放，月费约1800元，被吐槽贵，开源的DeepSeek-V3.2成冲击因素。
还在拼命加 GPU？AI 应用规模化的下半场，拼的是这五大软件“新基建”
文章指出 AI 应用规模化下半场，拼的是五大软件“新基建”。从云原生到 AI 原生，应用基础设施面临诸多挑战，如从代码中心到智能体管理等。作者提出构建智能体协作网格、认知记忆平台等五座技术灯塔，助力 AI 原生应用发展。
AI搜索MCP服务来了，Agent直接链接实时信息！刚刚，百度智能云打出了张“王牌”
‘Agent元年’进程过半，Agent卡在‘信息断层’瓶颈。百度智能云千帆平台开放百度AI搜索能力，补上Agent实时信息短板。同步登场的千帆4.0多维升级，聚合150+精选模型服务，构建企业级Agent有四大关键要素。
相机参数秒变图片！新模型打通理解生成壁垒，支持任意视角图像创作
S-Lab等机构研究员提出Puffin统一多模态模型，它能整合理解相机参数与按参数生成对应视角图片的能力。通过“用相机思考”和400万组数据训练，解决此前模型问题，还构建相关数据集和评测基准，性能出色。
与Generalist顶峰相见，30天狂吸30亿，千寻智能做对了什么？
2026年4月7日，千寻智能完成新一轮10亿融资，30天内累计融资30亿，由雷军、马云旗下资本领投。其开源具身模型Spirit v1.5展现泛化能力，技术路径获认可。千寻构建多源数据引擎，还通过现实场景数据反哺模型。
视觉+语言+动作！超强具身“训练宝典” EmbRACE-3K
视觉 - 语言模型在具身环境中表现有局限，港大推出 EmbRACE - 3K 数据集应对。它含 3000 多个任务、2.6 万个决策步骤，有细致多模态注释。团队用其微调 Qwen2.5 - VL - 7B 模型，还建立新基准评估多个模型。
DeepSeek V3.1 领衔，万字长文CodeBuddy AI Coding 企业落地实践思考
文章结合腾讯CodeBuddy IDE工具，为企业AI CODING落地提供指南。先诊断团队研发流程痛点，给出解决思路；介绍选择AI CODING工具的考量因素及CodeBuddy特色；阐述落地实践问题与应对，构建工作流，还提及使用价值、心得、产品思考与未来展望。