「端到端评测」共找到 3019 篇相关文章
爆火的腾讯WorkBuddy发了篇论文,公开了自家底牌
腾讯 WorkBuddy 团队将内部模型选型评测等开源成 Benchmark,公开多模型 Agent 工作台选型底牌。Bench 优点是任务分布真实且开源可审计,论文介绍了核心方法论、四大赛道拆解、榜单结果,还对比了现有工作。
老黄开年演讲「含华量」爆表!直接拿DeepSeek、Kimi验货下一代芯片
2026 CES科技盛宴上,老黄PPT燃爆AI圈,DeepSeek与Kimi位列C位。老黄用它们验货下一代芯片,实测显示性能提升显著。中国开源AI表现惊艳,在国际评测中成绩优异,正推动AI应用全面爆发。
生态为基,关系为王:AI Agent下半场的竞争法则|甲子引力
12月3日,2025甲子引力年终盛典上,嘉宾围绕《我们与AI Agent的关系》探讨。指出AI Agent竞争从技术转向生态与关系构建,还分享产品亮点、探讨技术协作等问题,并预测未来C端AI Agent核心壁垒。
看完最新国产AI写的公众号文章,我慌了!
AI 快砸作者饭碗,智谱 GLM - 4.6V 能根据 NeurIPS 2025 最佳论文生成图文并茂的公众号文章。它还能助力学生看论文、分析财报等,可复刻网站、处理视频,在多模态评测中达同级别 SOTA。
303页年度最佳AI Code综述:阿里、字节、快手30家顶级机构出品
分享303页《从代码基础模型到智能体与应用:代码智能实践指南》,由近30家顶尖机构出品。介绍2021 - 2025年代码大型语言模型发展,分析通用与代码专用LLM能力,阐明研究 - 实践差距,还开展实验。
孪生素数猜想被GPT-6新突破!北大数学07级又出现了
OpenAI发布数学论文,宣布GPT-6 Astra在孪生素数猜想上有新进展,用Lean形式化证明把连续素数间距的上界从246推到186。此外,其3D生成效果出色,Codex还新增可搜索笔记功能。
豆包,成了人人可用的办公 Agent
作者使用新版豆包工作任务模式,用它分析宇树科技招股书、采集舆情信息,体验云电脑接力等。指出其亮点如云端本地可切换、Skill 生态丰富,也提到云网络限制、手机端无停止按钮等不足。
Claude Code把自己的提示词删掉80%,我照着砍了自己的60%
Anthropic将Claude Code系统提示词删减超80%,编码评测表现无明显下降。文章阐述删减背后判断,给出六条变化策略、四类文件写法及两条方法论,还介绍实施步骤,作者按此精简提示词约60%。
Codex 的野心,MCP 和 Skill 的下一步
作者密集使用Codex App等Agent应用,发现顶尖Agent收敛到相同界面布局。Codex野心大,要处理多格式文件、支持专业工作流。MCP和Skill未解决用户二次编辑问题,插件机制或是出路,Codex已有原始插件市场。
比「小龙虾」更能打,中国AI视频大模型悄悄登顶全球第一
昆仑万维旗下 SkyReels-V4 Preview 版在权威评测平台超越 OpenAI、Google 等模型,登顶全球第一。它提升语义理解和逻辑能力,新增参考任务,还支持多语言短剧生成、视频编辑等,将在中关村论坛亮相。