「同质化评估」共找到 1447 篇相关文章
表格建模也能Scaling？树模型的时代要改变了
文章指出 AI 算力增长与结构化数据建模以树模型为主形成反差。浙大 X 蚂蚁 AIforData 团队探索结构化数据预训练，在表格数据和行为序列预训练上有成果，验证了 Scaling Law，预示结构化数据建模范式将改变。
Claude年化收入首次反超OpenAI
最新数据显示，Claude背后的Anthropic年化营收突破300亿美元，首超OpenAI。其大部分收入来自API，企业客户增长迅猛。还与谷歌、博通签数GW级TPU算力协议，2027年供货。
BookRAG：专治各种「层次化复杂」文档
BookRAG专为处理层次化复杂文档而生。传统RAG有两大盲区，而BookRAG在多模态长文档基准上刷新SOTA。它采用BookIndex×Agent - based Retrieval技术方案，效率高、可扩展性强，兼顾高精度、高召回、低成本。
Fluss 湖流一体：Lakehouse 架构实时化演进
湖仓一体 Lakehouse 成主流架构，但数据时效性最多达分钟级。阿里云罗宇侠在 QCon 大会分享 Fluss 湖流一体方案，解析技术架构与原理，介绍融合趋势、核心优势、使用方法及未来规划。
ChatGPT后遗症来了！人类日常聊天越来越AI化
佛罗里达州立大学团队花两年分析ChatGPT发布前后非脚本化口语录音，在2210万个词的数据集中发现学术写作词高频出现在日常说话中，人类聊天用词渐向AI靠拢，但研究也存在局限性。
AgentIF-OneDay 发布，评估全场景长时复杂任务
红杉中国 xbench 发布 AgentIF - OneDay 评测体系，用于评估大模型解决复杂任务的能力。该体系从任务复杂度新视角出发，沿 Scaling Context 和 Scaling Domain 推进，构造了三类典型任务进行测评，揭示了主流 Agent 的能力边界。
10 分钟 CLI 化任何网站，AI全网一键调用！
AI Agent上网难，传统爬虫易遇反爬问题。开源项目`bb-browser`通过模拟真实浏览器登录态操作，支持36个平台、103个命令，能绕过反爬，还可在浏览器内运行JS等，在GitHub获4.5k+ star。
告别“一眼定生死”：Agent-as-a-Judge 开启 AI 评估的下半场
过去两年，LLM-as-a-Judge成评估界“黄金标准”，但面对复杂任务力不从心。论文《A Survey on Agent-as-a-Judge》指出，应从单一的大模型裁判进化为具备行动能力的智能体裁判，还阐述了其优势、发展阶段等。
结构化预处理让DeepSeek准确率提升51%，现已开源丨清华&深言
零成本降低大模型幻觉新方法LingoEDU，让DeepSeek准确率提升51%。它对上下文精准切分，形成篇章结构树。能解决现有方案两难困境，在多方面实验表现出色，有根治幻觉等核心价值。
全面评估多模态模型视频OCR能力，Gemini 准确率仅73.7%
MME - VideoOCR团队评估多模态大模型（MLLM）视频OCR能力。构建精细任务体系和高质量数据集，评测18个主流MLLM。即便如Gemini - 2.5 Pro，准确率仅73.7%，暴露出MLLM在视频OCR领域能力局限。