「人工智能评估」共找到 1182 篇相关文章
给文档质量"打分"：DIQA-5000 数据集与融合版面语义的 DocIQ 质量评估模型
文档图像质量评估（DIQA）是评判‘增强算法有没有把图变好’的关键工具。过去研究多围绕自然图像，缺文档专用数据集。本文提出DIQA - 5000数据集和DocIQ模型，补齐缺口。
通往通用人工智能的关键一步？DeepMind放大招，3D世界最强AI智能体SIMA 2
Google DeepMind发布SIMA 2，这是能在虚拟3D世界自主游戏、推理和学习的通用AI智能体。它集成Gemini模型，从指令跟随到主动认知跃进，泛化性能提升，还具备自我提升能力，为AI和机器人技术发展提供新路径。
第八届 「GAIR 全球人工智能与机器人大会」即将启幕：穿越AI长夜，共睹群星闪耀
2025年12月12 - 13日，第八届GAIR全球人工智能与机器人大会将在深圳举办。大会设三个主题论坛，聚焦大模型、具身智能等议题，有青年与前辈交流，还有海内外学者、产业界人士参与，也关注算力赛道。
73%人类认同率！Video-Bench实现视频质量精准打分
上海交大等团队提出视频评估框架Video - Bench，让多模态大模型‘像人一样评判视频’。它构建双维度评估框架，引入链式查询和少样本评分技术，与人类判断73%高相关，为视频生成模型优化提供标尺。
揭秘大模型Steering：从底层机理到系统评估，全面破解大模型行为控制之谜
近期《Science》研究表明可解析AI内部表征实现通用引导与监控。浙大联合阿里两篇ACL 2026主会论文，揭示Steering工作原理与能力边界，还开源一站式框架EasyEdit2，全面展示了Steering价值。
大树之家团队师生赴希腊参加第一届人工智能与流体力学国际研讨会（AIFLUIDs）
第1届人工智能与流体力学国际研讨会于2025年5月27 - 30日在希腊举办，由多所高校联合筹办，34国超300名学者和近20家科技公司参会。大树之家团队8人参与，作报告获高度关注，加强了学术交流。
Knowledge还是Reasoning？具体分析LLM答案正确，不代表思考过程靠谱的问题
斯坦福/加州大学团队指出大模型答案正确不代表思考过程靠谱，传统评估忽略思考路径问题。团队提出双维度评估框架，透视模型思考过程，还测试发现不同领域决胜关键、最佳训练法不同，且框架正解锁新场景。
AI办公硬件新标杆：未来智能携viaim亮相CES 2026，斩获微软人工智能创新奖
1月6 - 9日，CES 2026在拉斯维加斯启幕，中国企业未来智能携viaim参展。其讯飞AI会议耳机Pro3与Air2吸引观众，还获微软“人工智能创新奖”。产品精准定位办公场景，全球化布局成果初显，正构建全场景AI办公生态。
AI体育教练来了！中国团队打造SportsGPT，完成从数值评估到专业指导的智能转身
现有智能体育系统多停于‘打分+可视化’，通用大模型处理体育生物力学分析有局限。中国团队提出SportsGPT框架，实现从‘动作评估’到‘训练处方’智能闭环，各模块优势明显，超越基线。
CJA | 北航罗明强教授团队：一种基于生成式人工智能的快速结构化飞行器概念设计方法
目前人工智能为飞机概念设计提供方案，但存在数据需求大等问题。北航罗明强教授团队提出基于LLMs的设计方案生成方法，开发原型系统，实验表明LLMS有相当设计能力，该方法可降成本、提效率。