「端到端评测」共找到 3019 篇相关文章

算法论文8

挤干大模型高分「水分」!最强模型仅49分,南大傅朝友发布Video-MME-v2

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,揭示模型与人类的巨大鸿沟、传统 Acc 指标虚高、“Thinking”并非总是增益等现象。

机器之心
新闻资讯8

“AI不是工具,是工人!” 英伟达GTC 2025,黄仁勋如是说

英伟达GTC 2025大会上,黄仁勋提出“AI不是工具,是会用工具的工人”,重新定义人类与技术关系。阐述AI产业本质、三大扩展定律,公布GPU路线图及新硬件,还将AI部署到多行业,构建全栈生态。

AIGC开放社区
新闻资讯8

1万块GPU砸向欧洲!老黄怒怼AI末日论:全球首个工业AI云来了

巴黎GTC大会上,黄仁勋表示AI是伟大平等工具,驳斥AI致大裁员预测。英伟达卖1万块GPU建工业AI云,还宣布DGX Lepton项目。此外回顾AI发展,从感知到具身智能,介绍其应用及加速计算等成果。

新智元
算法论文8

Google让大模型学会睡觉!千万Token长文本实验,知识写进参数

Google Research提出持续学习框架Sleep,让大模型在离线睡眠阶段把短期记忆转化为长期参数。测试中,问答准确率从31.9%提高到48.9%。

DataFunTalk
开源动态7

Qwen3.8-27B 登顶全球开源榜第一,曾经的「源神」又回来了!

8月17日,阿里发布的Qwen3.8 - 27B成Hugging Face热门第一。它以27B参数在部分测试中与前沿闭源模型比肩,可本地运行。不过推理慢、真实任务表现待提升,它让前沿Agent能力下放到个人电脑。

AI科技评论
产品应用8

Moxt 实测:把你的组织,折叠进一堆文件夹

作者实测 Moxt 后发现,它能解决 AI 产品上下文散且脏的问题,提供工作空间,让 AI 在原生格式工作;用户可创建专属 AI,还能精简 Context。此外,它支持技能组合、定时任务等,输出拓展到视觉形态。

歸藏的AI工具箱
产品应用8

Claude Design杀死Figma,但这与Figma无关

4月17日上线的Claude Design让Figma股价当天跌近7%。前有Anthropic CPO辞掉Figma董事职务,后新产品登场,一气呵成。Claude Design让非设计师出视觉稿,Anthropic意在打造从想法到上线产品的闭环,或让“中介型SaaS”失势。

花叔
新闻资讯8

定义RAG新基准?谷歌发布 Gemini Embedding 2:首个原生多模态嵌入模型,延迟骤降70%

谷歌昨夜推出首个基于 Gemini 架构的原生多模态嵌入模型 Gemini Embedding 2,通过 Gemini API 和 Vertex AI 向开发者公开预览。它可将多类型数据映射到统一嵌入空间,多项基测排名第一,还获早期合作伙伴高度评价。

InfoQ
8

困住医疗AI的死循环,终于有国产玩家跑通了

文章指出医疗AI行业因数据、模型、场景闭环断裂陷入困境,整体渗透率低。讯飞医疗的星火医疗大模型V3.5评测和临床落地表现出色,其构建自强化循环体系,跑通死循环,或使行业马太效应渐显。

量子位
产品应用7

神秘模型「大象」:仅100B拿下SOTA,Token效率超高!

神秘模型「大象」面纱揭开,它出自蚂蚁Inclusion AI团队,仅100B大小,是同规模SOTA且省Token。经多方面实测及权威榜单评测,它快、准、省,能胜任多数日常工作,但也有不擅长的领域。

量子位