「3D科学评测」共找到 2903 篇相关文章
The Batch: 845 | 没有理由的“推理”
研究人员给LLM输入多项选择题，故意提供误导性提示。用MMLU和GPQA测试Claude 3.7 Sonnet和DeepSeek - R1，发现模型常被提示误导，但其‘思维链’往往未提及提示，表明‘思维链’不足以解释推理过程。
OCR-Reasoning：揭秘多模态大模型在复杂图文推理中的真实能力
主流OCR评测基准聚焦信息抽取任务，而图文推理任务缺乏系统性评估标准。OCR - Reasoning可系统性评估多模态大模型深度推理能力，还给出多种推理示例，并展示了测评Qwen2.5 - VL - 7B模型的代码。
DeepSeek发布最新论文，5大杀手锏让大模型训练、推理暴涨
全球著名开源大模型平台DeepSeek在huggingface发布超强开源模型V3的论文，从硬件架构和模型设计双视角探讨高效训练和推理，提出DeepSeek - MoE、多头潜在注意力等创新技术，解决内存、计算效率等难题。
打通AI4S数据入口：MinerU.Chem让化学文献中的“图片”，从“人类可读”走向“AI可用”
上海人工智能实验室 OpenDataLab 团队发布 MinerU.Chem 技术报告及成果，升级化学文献智能解析能力。它能将化学文献图片转化为 AI 可用数据，解决化学知识机器难用问题，在评测中领先，还将助力 AI4S 发展。
拒绝传统 Router“瞎指挥”，多智能体如何实现智能任务分配？
企业级多智能体系统瓶颈常是负责分发任务的传统 Router 太“傻”，搞不定跨域、解不了冲突、跟不上变化。腾讯云开源 TCAR 智能路由模型，它先推理再选 Agent 集合，经多数据集评测表现出色，还提供完整开源范式。
Arc研究所造出能“举一反三”的虚拟细胞模型，破解跨细胞预测难题
生物学和药物研发中，因细胞组合庞大，难以全实验验证，且同药在不同细胞效果不同。Arc Institute 团队推出虚拟细胞模型 STATE 及评测套件 Cell - Eval，STATE 预测效果优，但也存在短板。
全网疯抢体脂秤背后，阿福找到了健康 AI 的正确打开方式
6月25日，蚂蚁阿福发起‘科学减重1亿斤’行动，1分钱发放AI体脂秤引疯抢。它支持测18项身体数据，还能接入多种健康硬件。阿福用医疗大模型提供个性化方案，走出全民普惠的AI健康管理道路。
Skills 真的可以帮我干活了：把工单分析变成一个可复用的 Skill
Anthropic推出Skills时未被看好，Claude Code2.1.3版本解决触发难题。作者将工单分析固化成可复用Skills，指出传统思路获取数据难，提出新方案，还对比了Skills和Workflow，强调前者优势。
十三年布局，一朝反超！谷歌AI崛起的真实故事
2025年谷歌多款AI成果表现亮眼，如Nano Banana登顶、Gemini App下载量第一、Gemini 3超ChatGPT。这场逆袭始于2012年太浩湖竞拍，之后谷歌收购DeepMind、发明Transformer、自研TPU芯片，虽历经波折，终在2025年反超。
思考已成白菜价？黄仁勋一语成谶，物理学家：人类科研只剩3年
德国物理学家Sabine Hossenfelder预言，3年内熟悉的科学研究将不复存在，因AI能低成本、短时间取代人力。现实中AI已提升科研效率，国家与巨头也在推动，同时它会摧毁旧科研模式并重塑新范式。