「科学评测」共找到 892 篇相关文章
让RAG告别断章取义，HiChunk做到了~
现有RAG评测忽视文档切分，腾讯优图提出HiCBench评测基准和HiChunk框架。HiCBench含人工标注多级切分点与证据稠密QA，HiChunk用微调LLM建多级语义树，配Auto - Merge算法，实验效果佳。
基础模型已颠覆科研，进入第五范式！港科大综述113篇论文 | NeurIPS'25
港科大论文指出，随着科学问题复杂度提升，传统科研范式显露出局限。基础模型（FMs）横空出世，具备通用性、规模与知识覆盖、推理与生成能力，可能引领科学进入第五范式，但也面临偏见、幻觉等问题。
Nature科学报告：对AI的焦虑，理科偏接受学习，文科偏批判回避
青海大学等团队在《Nature》科学报告发文，调查三所川校师生对AI的焦虑与采用意愿。研究构建新框架，整合三种AI焦虑，发现不同焦虑对技术接受影响不同，学科和自我效能也会调节转化路径。
当AI成为预言家：大数据时代，我们正在失去理解世界的能力吗？
文章借神经科学家Grace Huckins观点，探讨AI时代人类理解世界能力问题。以‘微处理器论文’实验为例，指出大量数据未必带来理解。还阐述理解与预测分离、科学理解危机等，强调理解应是科学核心。
清华Nature发布惊人结论：AI写论文3倍速，但科学边界被锁死
2026年1月，清华徐丰力、李勇教授联合芝加哥大学团队在《Nature》发文，分析4100余万篇论文发现，AI提升科学家个人生产力，但收缩科学探索集体疆域。团队提出「全流程科研智能体系统」破局。
中国科大Science-Star（科星） : 一体化、可扩展的科学智能体搭建平台
中科大认知智能全国重点实验室开发了 Science - Star 科研智能体平台。它基于 ReAct 引擎，有一体化可视化支持、插拔式模块化架构和跨学科工具集成等特色，为科研智能体研发与实验提供高效基础设施。
15个前沿大模型，100个职业场景：谁才是最强AI打工人？
通义千问与港中文联合发布OccuBench，用语言世界模型评测AI Agent职业能力。评测15个前沿模型，发现无全能选手，隐式故障难处理，Scaling定律有效，做Agent和环境模拟器能力不同，还给出具体案例。
Claude、GLM、GPT谁才是真正的AI软件工程师？首个持续更新Visual Spec-to-App Benchmark发布
近年来，Coding Agent 发展迅速，「AI 软件工程师」渐成现实。但目前缺少系统评测其从设计稿开发产品能力的公开 Benchmark。为此，多校研究团队推出 VISTA，可多维度评测 Coding Agent 开发能力，且持续更新。
顶尖AI竟输给三岁宝宝，BabyVision测试暴露多模态模型硬伤
UniPat AI 等发布多模态理解评测集 BabyVision，测试显示多模态大模型纯视觉能力仅达三岁幼儿水平。其通过对比实验、细分任务评测，揭示模型系统性缺基础视觉能力，还给出新方向及发展建议。
宇宙尺度压缩：Scaling Law的边界，柏拉图表征收敛于物质和信息交汇，解决P与NP问题，Simulation假说……
超对称公司在BigBang - Proton实现跨尺度跨结构科学多任务学习，提出宇宙尺度压缩构想。文章论证其科学基础、工程可行性与意义，探讨Scaling Law边界，还给出宇宙尺度压缩计划和相关假设。