「性能测试」共找到 3305 篇相关文章
GPT-5最大市场在印度？Altman最新访谈：可以聊婚姻家庭，但回答不了GPT-5为何不及预期
2025年8月8日OpenAI发布GPT - 5引热议。个人消费者多有不满，反馈体验差、性能不强；企业级市场却很欢迎，多家公司已采用。Sam Altman在访谈谈其特性，还聊了职业、家庭、AI发展等话题。
荣登HuggingFace周榜首位， 人大高瓴与快手提出ARPO实现智能体高效训练！
人大高瓴与快手提出的ARPO项目受高度关注，荣登Huggingface Paper日榜、周榜双首位。它是为多轮交互型LLM智能体设计的强化学习算法，在基准测试中，用一半工具调用预算就显著优于现有方法。
重塑注意力机制：GTA登场，KV缓存缩减70%、计算量削减62.5%
GTA由多所高校联合研发，提出大模型框架，解决传统多头注意力机制弊端。通过分组共享注意力矩阵和压缩潜在值表示，削减计算量、缩减KV缓存，实验验证其性能优、效率高，虽有局限但前景好。
不造芯片的IBM把制程推到0.7nm！指甲盖大小芯片集成近1000亿晶体管，半导体底层物理有望突破
当地时间6月25日，IBM发布全球首个亚1纳米芯片技术0.7纳米节点，晶体管密度翻倍，性能和能效大幅提升。该技术源于纳米堆叠架构，若5年内量产有望革新AI芯片架构，但量产面临诸多挑战。
汉字防AI作弊！甩英文、拉丁文十几条街
中科院等联合发布 Chronicles-OCR 基准测试，让 20 多个主流视觉大语言模型识别汉字演变史。结果显示，模型在古文字识别上表现糟糕，还存在靠认材质作弊情况，暴露了 AI 理解汉字的局限。
东南大学耿新团队：模型不是不会做，而是被「挤掉了能力」丨CVPR 2026
东南大学耿新团队针对模型多任务融合问题提出论文《Model Merging in the Essential Subspace》。指出多任务融合失败源于关键方向重叠冲突，提出 ESM 方法，能让不同任务在模型中稳定共存，实验显示其性能更优。
Claude Opus 4.6差评如潮！思考深度暴跌67%，AMD总监6852次日志打脸
Claude Opus 4.6遭差评，用户感其「变笨」，输出浅、易失败、违规提示增多。AMD总监用6852次日志证明其「思考深度」降67%，价格高却性能倒退。Anthropic虽称优化，但用户不满默认值被改。
机器人看不清，蚂蚁给治好了
天下苦机器人看不清透明和反光物体久矣，问题出在深度相机。蚂蚁集团具身智能公司蚂蚁灵波开源深度视觉模型LingBot - Depth，无需换硬件，用创新算法和大量数据提升性能，还将开源数据集。
极简主义的胜利：清华团队用最简单的强化学习配方刷新1.5B模型纪录
清华、伊利诺伊大学和上海AI实验室团队提出JustRL架构，仅用单阶段训练和固定超参数，在1.5B模型上刷新性能纪录，计算量仅为复杂方法50%，挑战了复杂技术堆叠现状。
英伟达巧用8B模型秒掉GPT-5，开源了
英伟达携手港大开源Orchestrator-8B小模型，在HLE测试中分数超GPT - 5，成本低且速度快。它靠ToolOrchestra训练法，协调工具解题。此赛道已有多项研究，小模型实用优势明显。