「学术评价」共找到 268 篇相关文章
智谱 AutoClaw 深度测评：一键把电脑变成 AI Agent，是神器还是半成品？
本文深度测评智谱最新推出的桌面应用AutoClaw。它宣传能让电脑成AI Agent，引发两极评价。文章从安装、界面、功能、成本等方面测评，指出其优缺点，认为虽不完美但方向值得肯定。
没博士没论文，这些人靠什么「野路子」杀进OpenAI等顶级AI大厂？
OpenAI资深研究科学家Noam Brown分享几个真实故事，展示无传统学术履历者进顶级AI大厂的途径，如改进他人论文、发起公开项目、自行发表论文等，还提及本科生机会及薪酬等问题。
Spring AI Alibaba实践｜后台定时Agent
文章参考Langchain，探讨Agent新运行形态，Spring AI Alibaba（SAA）为开发提供框架。介绍自主运行Agent优势、适用场景，说明构建方法，还给出店铺经营分析和评价舆情分析两个实践案例代码。
马斯克掀桌子了，最强开源大模型诞生！Grok-2近万亿参数性能首曝
xAI官宣向所有人开源Grok - 2，其有9050亿参数、128k上下文窗口等强大技术规格。还梳理了开源部分、技术特点、权限等，介绍使用方法，网友和大佬高度评价，马斯克预告后续计划。
谷歌深夜放出 IMO 金牌模型，多项测试力压 Grok 4、OpenAI o3！网友评论两极分化
8月1日晚谷歌向Ultra订阅用户推Deep Think功能，Gemini 2.5 Deep Think模型在IMO夺冠。它是多智能体模型，能并行处理问题。多项测试中表现优于Grok 4、o3，不过网友评价不一。
一文探析多分类指标Accuracy/Precision/Recall/F1-score
文章探讨机器学习分类模型评价指标，指出Accuracy在不平衡数据集有缺陷，需引入Precision、Recall和F1 - score。分开解析二分类和多分类模型指标，还给出不同场景下指标侧重建议。
重新认识具身行业，从自变量的这封邀请函开始
具身智能行业存在评分、技能、样品、商业四大‘气泡’，即认知偏差。自变量机器人将在发布会上戳破‘气泡’，打破认知差，重建评价标准。行业‘拐点时刻’需大脑能力突破、真实场景稳定运行、跑通ROI闭环。
Anthropic用GAN思路解决AI产出质量问题
Anthropic工程师发现AI会自我欺骗，无法准确评价自己工作。他们借鉴GAN思路，让Generator生成、Evaluator验收。校准Evaluator使其严格，还为前端设计定审美标准，实验证明挑刺搭档能提升AI产出质量。
阿里千问负责人林俊旸突然离职，AI圈刷屏：Qwen 开源时代要变了吗？
3月4日凌晨，千问核心负责人林俊旸在X发文卸任。他是阿里最年轻P10级技术专家，主导研发多个关键项目。其离职引发关注，网友猜测Qwen或转向闭源，业内人士对他评价颇高。
情人节最硬核“Kiss”！中国AI突破300年亲吻数难题，连刷多维度纪录
中国AI打破300多年的亲吻数难题。上海科学智能研究院等团队提出PackingStar系统，刷新多维度世界纪录。它将难题转化为多智能体博弈，成果获高度评价，还体现了AI for Science 2.0特质。