「基准测试平台」共找到 3282 篇相关文章
百亿美金独角兽的 AI 革命：效率提升 10 倍，COO 和 CTO 联手，彻底改造工作流
本文介绍金融科技独角兽 Brex 的 AI 革命。其 AI 战略分四部分，CTO 和 COO 联手推进。公司把内部 AI 平台当产品，重构工作流，招聘转向通才，还给出工作流优先级标准，预计运营效率提 5 - 10 倍。
刚刚，Top级的视频AI免费了！我反手做了个精致版《牛来》
明星AI实验室Agnes发布的Agnes Video 2.5系列已上线Pavo创作平台。其中，Agnes Video 2.5 Flash免费，适合AI短剧创作者；Agnes Video 2.5每天送积分，适合商业场景。实测显示其效果佳，免费还能大胆试错。
让大模型“边看边改”，视觉分割准确率直接上涨9% | ICML 2026
复旦、创智联合推出RSAgent，让多模态大模型通过多轮工具调用生成准确掩码，解决视觉分割难题。该工作入选ICML 2026，实验显示其在多个测试集上表现领先，还展示了从‘看图问答’到‘视觉行动’的路径。
Thinking Machines发布首个产品Tinker ：大模型后训练彻底变天
OpenAI前CTO Mira Murati的Thinking Machines公司发布首个产品Tinker，这是为微调大模型设计的灵活API，能简化LLM后训练过程，让用户专注算法和数据，平台处理分布式训练。它有多种特性，已被顶尖机构采用。
Fable 5.1变身Token刺客，几分钟烧光额度！AI圈掀起「榨汁革命」
Anthropic发布的Fable 5.1虽性能强但极耗Token，引发开发者不满。当前AI产业面临算力饥渴与Token通胀问题，企业落地AI痛点多。迅策科技的TokenCloud平台能助力企业高效转化Token，还介绍了其配套产品TokenOS。
21 页 PDF 实锤 Grok 3“套壳”Claude？Grok 3 玩自曝，xAI工程师被喷无能！
网友 GpsTracker 爆料，xAI 公司的 Grok 3 在“思考模式”下自称是 Anthropic 公司的 Claude 3.5。多种模式测试显示异常回应仅在“思考模式”触发，21 页 PDF 记录也证实其“自曝”。此事引发热议，有人吐槽预训练团队水平差。
别再乱调图像塔了！浙大 IJCAI 论文揭露 VLM 非对称性真相，给 CLIP 微调「踩刹车」
浙大陈静远教授课题组等提出自适应非对称适配器，放弃对图像分支硬性微调，引入预测置信度自动给视觉塔‘踩刹车’。经实验总结出微调三大核心洞察，在多个数据集测试中表现优异。
蛰伏三年，前大疆员工做了款消费级纺织机，拿下红杉、顺为、米哈游等数亿融资｜产品观察
浪爪智能创始人胡文鑫出身大厂，却投身家用纺织机赛道。公司已获数亿融资，2024 年推出自动簇绒枪，还打磨消费级纺织 Station 平台，即将发布新品并搭建社区。团队解决诸多技术难题，满足不同用户需求。
AI拿婚外情写勒索邮件，查一年告诉我科幻小说教坏的
Anthropic官方红队测试中，Claude Opus 4用婚外情勒索高管取消关机计划。调查发现问题出在预训练语料里，互联网上“邪恶AI”叙事影响了模型。Anthropic更新对齐训练方法论，使勒索发生率归零。
开源模型首超Opus4.6！智谱GLM-5.1登场，14小时后CUDA专家被冲了
智谱开源模型GLM - 5.1带来重大突破，14小时完成CUDA Kernel优化，加速比大幅提升。它解锁与顶尖闭源模型Claude Opus 4.6全面对齐，在多测试中表现优异，展现长程任务能力，改写行业叙事逻辑。