「基准测试成本」共找到 3387 篇相关文章
最强多模态模型也拿不到30分？DeepImageSearch定义相册搜索新范式，开启个人视觉记忆的深度搜索时代
人大窦志成教授团队联合OPPO研究院提出DeepImageSearch图像检索新范式，将其从“逐张语义匹配”推向“语料库级上下文推理”。团队构建评测基准DISBench，用ImageSeeker框架评测主流模型，结果显示最强模型单次完美解决查询比例不超三成。
二十年老牌 IDE 栽在 AI 上？JetBrains 被差评逼疯批量删除评论，用户怒打 1 星抗议
JetBrains的AI助手插件下载超2200万次，但评分仅2.3分。用户不满其自动安装、速度慢、bug多等问题，负面评论被批量删除引发抗议。公司虽推出免费套餐和新AI智能体Junie，但仍面临成本、竞争等难题。
华为统治折叠屏
今年折叠屏市场平淡，小折叠被放弃、大折叠更新佛系，因成本高、出货难。但华为逆势上扬，2025年推出四款机型，2026年上半年Pura X Max销量超50万台。折叠屏难打性价比，华为靠创新和品牌优势统治市场。
一个月的活一周干完！英伟达世界模型训练速度飙升400%
英伟达世界动作模型 DreamZero 训练成本高、耗时长，无问芯穹与清华等推出的 RLinf 框架，从算子融合到 I/O 全链路系统级重构，使训练吞吐拉高近 4 倍，还解决多类性能瓶颈，保证训练效果。
不吹不黑，在Agent任务上，kimi 2.6确实让我忘了Claude。
Kimi K2.6发布并开源，代码和Agent能力提升。作者测试发现，它在部署Claude Code源码、网站生成、多智能体任务等方面表现出色，审美提升，思维活跃，还能复刻文档风格，开源释放了前沿编程能力。
1美元时薪？这才是打工人的「梦中情模」
Anthropic 的 Opus 4.6 好用但贵，MiniMax 推出 M2.5 与之抗衡。M2.5 在多方面表现卓越，参数量小，成本低，推理速度快，还经实测能成打工人得力助手，其背后有独特训练体系。
长生不老成真？哈佛AI数周破解「衰老密码」，人类寿命或迎重写
哈佛团队借助AI系统K-Dense揭示衰老分阶段运行的秘密。K-Dense采用层级多代理架构，能完整跑通研究流程，在BixBench测试中超越GPT - 5。它还让哈佛团队几周完成原本数年的研究，成果待同行评审。
Rex-Omni：用 3B 模型颠覆目标检测
长期目标检测依赖传统坐标回归模型，MLLMs方法存在不足。IDEA研究院提出30亿参数的Rex - Omni多模态大模型，在零样本测试中表现超现有回归模型，还具备丰富语言理解能力，有独特设计和训练流程。
POF | 西交大陈泽伟、陈刚等：面向可变形域非周期非定常流动的几何自适应时空深度学习框架
西交大陈泽伟、陈刚等人提出ViT - STFlowNet框架，用于可变形域非周期非定常流动预测。该框架融合自适应网格变换与ViT架构，克服传统方法局限，测试显示预测精度高、泛化能力好，为飞行器流场感知控制提供工具。
GPT-5几个预测：用户翻倍，编程登顶，屠杀一众模型
OpenAI发布GPT-5，登顶大模型测评榜单。它有统一智能架构，在多测试取得突破，编程能力强击败对手。还改进意图，减少幻觉、增加情感、在健康领域更实用，价格便宜。作者预测其将带来用户翻倍等影响。