「开源评测」共找到 3519 篇相关文章
DeepSeek发布最新论文，5大杀手锏让大模型训练、推理暴涨
全球著名开源大模型平台DeepSeek在huggingface发布超强开源模型V3的论文，从硬件架构和模型设计双视角探讨高效训练和推理，提出DeepSeek - MoE、多头潜在注意力等创新技术，解决内存、计算效率等难题。
真6，上线几天，轻松斩获10k，首款开源通用AI智能体Suna：一句话自动处理Excel/爬数据/写报告，程序员私人助理诞生！
Suna是Kortix推出的全球首个开源通用型AI Agent，核心突破是“执行力”，能像人类员工操作数字工具。它开源透明，是全能数字员工，已落地多场景，有五大核心功能。还给出部署方法和同类对比。
Meta版「甄嬛传」！28岁天才上位，掌管6千亿命脉，AI教父愤然出走
纽约时报爆料Meta内部正上演“权力的游戏”。扎克伯格得意门生与老将冲突不断，图灵奖得主Yann LeCun或被逼离职。年初Meta还是AI开源王者，现在却面临投入与回报拷问，其最新模型“牛油果”或不再开源。
阿里再开源，全球首个MoE视频生成模型登场，电影级美学效果一触即达
继上周开源三连发后，阿里昨晚开源全球首个 MoE 架构视频生成模型 Wan2.2，具电影级美学控制能力。它有 MoE 架构创新等四大技术亮点，可在 Hugging Face 和阿里魔搭社区下载。
4位图灵奖得主布道，2大冠军机器人登台，“AI春晚”果然又高又硬
智源大会堪称“AI春晚”，规格高看点多。4位图灵奖得主分享观点，长跑冠军天工和拳击冠军宇树G1机器人秀技能。大会还发布“悟界”系列大模型，RoboOS 2.0与RoboBrain 2.0开源，多方探讨下一代AI发展路径。
NVIDIA 入局量子基础设施：Ising 模型主打自动校准与实时纠错
NVIDIA宣布推出开源NVIDIA Ising模型，解决量子处理器校准和纠错问题。它含校准和解码两组件，速度和准确性优，可本地部署。与传统方法不同，它是与硬件无关的开源模型层，社区反馈有期待也有疑问。
代码Agent的苦涩教训！首次拆解上下文检索，直指自动化软件瓶颈
ContextBench首次从「过程」评测代码智能体，揭示当前模型多读少用、被关键词误导等深层问题。它基于真实问题修复任务，由专家标注「黄金上下文」，用多指标评估。研究显示，复杂架构未必效果好，模型重召回轻精确等。
为什么 Agent Memory需要 AML：看 AML “变量控制”的工程设计
传统 Agent 记忆评测有水分，近日放榜的 Agent Memory Leaderboard (AML) 通过严格控制变量构建盲测管线。文章从技术架构深拆其工程细节，还分析了首期榜单，指出其重构评估变量的价值。
吴恩达来信：人工智能竞赛中的国家利益
中国在人工智能领域发展动能强劲，虽美国领先，但中国开源权重模型生态活力足，半导体也在进步。不同国家在人工智能不同领域各有优势，中国开源模型紧随美国专有模型，激烈竞争或孕育强大公司。
0%通过率！Code神话泡沫！LiveCodeBench Pro发布！
国际算法奥赛金牌得主团队测试20个顶级大模型，在584道编程赛题上，高难度题目AI通过率为0%。论文发布LiveCodeBench Pro评测方法，揭示AI编程能力神话泡沫，指出其问题并给出提升方向。