「自演进评测」共找到 1882 篇相关文章
多模态“卷王”阶跃星辰：如何利用 JuiceFS 打造高效经济的大模型存储平台
有“多模态卷王”之称的阶跃星辰，自研多模态模型，早期商业存储系统难满足需求，后引入 JuiceFS。文章介绍大模型各环节存储需求，详述 JuiceFS 企业版与社区版优化实践，含模型分发、读性能等优化。
看遍奥斯卡后，VLM达到电影摄影理解新SOTA｜上海AI Lab开源
上海人工智能实验室等推出ShotBench、ShotVL及ShotQA，ShotBench含超3.5k问答对，ShotQA约7万个问答对。ShotVL在ShotBench评测中表现出色，3B参数的ShotVL-3B增益达19.0%，超越GPT - 4o等。
奥特曼：再也不和小扎说话！OpenAI偷袭小扎马斯克，反手挖4核心员工
外媒曝出OpenAI打响挖人反击战，从特斯拉、xAI、Meta挖来四位技术大牛，将入职Scaling团队。此前奥特曼称自扎克伯格从OpenAI挖人后，就再没和小扎说过话，这场混战还未停歇。
从诡异视频到假论文，AI正把互联网变成巨型「垃圾场」
AI生成的诡异视频在社交平台流行，如比基尼胖女人跳水、食物自相残“食”等，背后是流量逻辑和低成本创作。更严重的是，AI生成的低质量论文渗透到学术领域，危害知识纯粹性和科研公正性。
独家干货！Apache Iceberg未来蓝图：Open Lakehouse闭门会核心洞察
作者分享 Open Lakehouse 闭门会洞察，介绍 Apache Iceberg 现状与未来。2025 年 6 月发布 V3 规范，实现跨引擎操作。现正筹划 V4，有元数据优化、CDF 演进等方向，还探讨了 BLOB 类型和 Lance 格式融合等。
推理正确率下降65.5%！斯坦福、MIT等用「不等式」拷问AI逻辑极限
大语言模型在数学证明常现推理漏洞，斯坦福等高校团队提出IneqMath基准评估其严谨性。用不等式证明题切入，拆解为子任务，构建评测体系，用LLM - as - Judge审查。结果显示模型推理正确率低，存在结构性缺陷。
聊聊如何缓解越来越严重的AI焦虑。
作者自述作为AI自媒体博主，因追前沿、与人攀比陷入焦虑。后从粉丝留言中醒悟，明白焦虑源于不认可自身平凡。他分享缓解焦虑方法，建议明确自身定位，与他人合作，以好奇心态学AI。
红杉中国推出 Agent 基准测试「xbench」，双轨评估体系，关注 AI 真实场景的效用
红杉中国开放AI和Agent基准测试工具「xbench」，采用双轨评估体系，构建多维度测评数据集。首期发布两个核心评估集并排名，提出垂类Agent评测方法论。该工具旨在解决现有评估问题，关注AI真实场景效用。
用 AI 重新定义 RSS 阅读体验FeedMe
FeedMe可一站式了解多信息源新鲜事，轻量自由且可定制。具备多源RSS聚合、AI摘要生成等功能，支持多种部署方式，如GitHub Pages、Vercel、Docker本地部署，还给出开发指南，项目开源方便Fork和自部署。
把 Gemini 和 GPT 放到《我的世界》当教练，谁能看懂机器人的微操？
国立清华与英伟达团队研究《VLM-AR3L》，把Gemini 2.0、GPT-4.1等拉进考场，评估视觉裁决能力。结果显示Gemini综合最稳，开源小模型特定场景反超。还提出VLM-AR3L框架破使用瓶颈，实战超人类手写奖励。