「基准测试平台」共找到 3285 篇相关文章
建模世界偏好：偏好建模中的Scaling Laws
研究首次揭示人类偏好建模遵循Scaling Law，从论坛收集数据在Qwen 2.5模型训练，发现测试损失随训练规模指数增长线性下降。提出建模世界偏好，论文和模型已开源，还探讨了偏好建模可扩展性等问题。
快手 AB 场景提速 145 倍，从 Spark 到 Apache Doris 的加速实践
快手 AB 指标生产场景从 Spark 切换到 Doris 提速 145 倍、资源消耗降 72%，刷新 Doris 单机群最大规模。本文介绍选择 Apache Doris 的原因，以及在存储、计算、调度、稳定性等方面的优化，对构建 AB 实验平台有参考价值。
Anthropic万字Skills教程，把Agent工程的核心武功秘籍说明白了
Anthropic官方发布33页Skills构建指南，详细介绍构建高效Skill的方法，涵盖基础概念、规划设计、测试迭代、分发共享等内容。还提及openai用codex agent做项目的经验，指出人类审查成瓶颈，引出渐进式披露的核心秘籍。
马斯克兑现承诺，开源X推荐算法！100% AI驱动，0人工规则
1月11日马斯克宣布7天内开源X平台推荐算法，如今承诺兑现。新算法由Grok驱动，全AI化，移除人工规则。它双引擎驱动信息流、15种行为预测打分，还揭示过滤机制与设计理念，为创作者提供曝光建议。
DGM：首个可通过重写自己的代码来实现进化的AI Agent
Sakana AI发布Darwin Gödel Machine（DGM），可通过重写代码自我进化，突破了当前AI Agent智能固定的局限。它在多测试中表现出色，能力具通用性，但也有潜在风险和局限，团队已开源并提出未来研究方向。
字节最强多模态模型登陆火山引擎！Seed1.5-VL靠20B激活参数狂揽38项SOTA
5月13日，火山引擎在上海发布5款模型和产品，其中豆包1.5・视觉深度思考模型（Seed1.5-VL）最吸睛。它激活参数20B，性能与Gemini2.5 Pro相当，38个评测基准达SOTA，推理成本低，已开放API。
疯了……Claude 最强风控：验你实名身份证！
Anthropic更新支持文档，宣布在Claude平台引入身份验证机制，目的是防滥用、执行政策和履行义务。验证需有效证件、带摄像头设备，由Persona Identities处理数据。此前OpenAI也有类似机制，这或加剧AI使用人群分化。
断层碾压Seedance 2.0：神秘「欢乐马」空降榜首，视频AI变天了
周二晚间，代号「HappyHorse - 1.0」的神秘视频生成模型在 Artificial Analysis 平台空降榜首，不论文字生视频还是图像生视频都排第一，拉开 Seedance 2.0 很大差距，不过在「视频 + 音频」综合排名上屈居第二，引发诸多猜测。
把20亿参数装进胸针？高通补齐了个人AI生态的最后一块拼图
在MWC巴塞罗那展会上，人们渴望专属AI智能体。高通认为AI须进驻微型载体，推出骁龙可穿戴平台至尊版，将AI运算能力延伸到微型设备，其还构建以用户为中心的生态，让私人助理融入生活。
先解行为，再训Agent：CMU开源首份Agentic Search日志数据，把Agent拆开给你看
CMU团队基于DeepResearchGym平台，从半年真实流量中整理出数据，构建并在Hugging Face开源首个Agentic Search行为日志数据集。还提出三层分析框架，刻画智能体搜索行为，为研究和系统设计提供基础与信号。