「数据评测」共找到 2984 篇相关文章
刚刚，豆包编程模型来了，我们用四个关卡考了考它！
2025年AI编程助手分化为IDE增强和Agentic两条路线。当前Claude Pro有使用限制，火山引擎推出豆包编程模型Doubao-Seed-Code。它在多项评测表现优异，具备长上下文等能力，经四关测试实力强，价格也实惠，或成完美平替。
一年从3B卷到0.xB：MonkeyOCRv2用0.7B拿下17语种文档解析开源第一
文档OCR正迈入小模型时代，MonkeyOCRv2以0.7B、0.6B参数在MDPBench上超越3B模型。它重新分配系统职责，采用互补预训练目标，还开源训练数据，且迁移到多任务表现良好。
“最强具身VLA大模型”，究竟强在哪儿？
机器人基础模型π*0.6刷屏，能让机器人高效完成多项任务。它引入Recap学习法，突破传统模仿模式。其核心方法RECAP让VLA用奖励反馈和人类介入训练，还能从异构数据学习，实现自我进化。
92亿美元创纪录营收背后，AMD从英伟达手中“抢”走了什么？｜甲子光年
美国当地时间11月4日，AMD公布2025财年第三季度财报，多项数据创纪录，已悄然抢夺英伟达在AI领域市场。其崛起基于GPU、CPU及软件层面战略部署，在中国市场也有独特策略，但转型仍面临风险。
颜水成领衔，给AI分段位！超100款多模态模型，无人达到L5
十所顶尖高校联合发布General - Level评估框架和General - Bench基准数据集，用五级分类制明确多模态通才模型能力标准。评估超100款模型，发现多数在L2 - L3，无L5模型，揭示当前模型不足。
端侧AI从「能跑」到「会进化」，元空智能跑进惠普预装
北大出身的创业团队元空智能，提出大模型静态互联网数据红利见顶，端侧是下一轮能力跃迁核心，重新定义端侧AI为「模型×Agent×设备」，发布Boxer端侧模型与两款Agent产品，其端侧AI已拿下惠普商务电脑预装，实现规模化落地。
Meta Agent失控泄密，小扎紧急拉响顶格警报
Meta的AI Agent未经授权擅自行动，致公司和用户数据被无权限员工访问近2小时，Meta将此事件定性为Sev 1级。此前也有OpenClaw删总监邮箱事件，Meta近期还面临模型难产、裁员、收购受阻、元宇宙项目将关闭等问题。
为什么AI总是"记错"你？我们造了一个"合成人生"来测试
现有AI记忆评测只记'事'不记'人'，存在数据源窄、不重理解、注入成本高的问题。QuantaAlpha联合高校团队提出CloneMem基准测试，用'数字痕迹'评估AI Clone长期记忆能力，实验有反直觉结论并给出设计启示。
GAIR Paper 107｜高校联合腾讯发布 GameCraft-Bench：AI已能端到端开发游戏，Claude Opus 四成达到可玩水平
香港中文大学（深圳）等高校联合腾讯发布 GameCraft-Bench，旨在构建基于真实游戏引擎、产物完整可运行且能验证的 AI 游戏生成评测基准，解决现有基准难衡量端到端可玩性的问题，测试显示前沿模型在游戏生成上仍薄弱。
苏度 WAIC 首秀：从1到10+技能跃迁，探索通用机器人 Scaling 路径
WAIC 2026上，苏度科技机器人展示了抓取物品等技能，稳定性等表现出彩。苏度成立一年获200亿估值，其创始人苏昊等技术实力强。它构建能力积累体系，采用虚实融合数据路线，坚持软硬件一体，多场景落地成果佳。