「评测维度」共找到 797 篇相关文章
大模型结构化推理优势难复制到垂直领域！最新法律AI评估标准来了，抱抱脸评测集趋势第一
多个机构研究人员联合发布全新多语言法律推理基准数据集LEXam，它含4886道题，每道长篇题有答案和推理路径。研究显示现有大模型应对法律推理难，LEXam引入评估新模式，还对不同模型做了测试。
今年最火的AI产品，不止龙虾｜榜单申报中
量子位开展2026年度值得关注的AIGC企业和产品评选，参选有对应条件和评选维度。报名4月27日截止，结果5月中国AIGC产业峰会公布。峰会将聚焦‘如何用好AI’。
一年一度最值得关注的AI榜单来啦！申报即日启动
时值第四届中国AIGC产业峰会，量子位将评选2026年度值得关注的AIGC企业与产品，结合调研和专家意见，结果5月峰会公布。参选有条件和评选维度，报名4月27日截止。
一年一度最值得关注的AI榜单来啦！申报即日启动
时值第四届中国AIGC产业峰会，量子位将评选2026年度值得关注的AIGC企业和产品，结合调研与专家意见，结果5月峰会公布。参选有条件和维度，报名4月27日截止。
一年一度最值得关注的AI榜单来啦！申报即日启动
时值第四届中国AIGC产业峰会，量子位将评选2026年度值得关注的AIGC企业和产品，结合调研与专家意见，结果5月峰会公布。介绍了参选条件、评选维度，报名4月27日截止。
Anthropic 发文称自家 Claude 已经开智，网友：为了上市，不择手段？
Anthropic发布Claude内部机制新研究，介绍J-space和J-lens，称可读取模型未输出的内部概念。此研究在训练、评测和部署有潜在价值，但叙事引发争议，网友质疑是否过度包装。
ECCV 2026 | 智能助手何时该主动开口？Vinci2让第一视角AI助手从「有问必答」走向「主动服务」
现有第一人称视频助手难以自主判断何时介入服务用户。大连理工大学等团队提出Vinci2，含评测基准EgoServe和智能体EgoMemo。它已被ECCV 2026接收，代码和标注均开源。
刚刚，Thinking Machines出手！首款交互模型来了，翁荔出镜实测
Thinking Machines Lab推出首个大模型TML - Interaction - Small，打破传统人机交互模式，实现全自然交互。它训练范式独特，采用双模型架构等设计，评测表现超GPT - Realtime 2.0等模型，后续还会推出更大尺寸模型。
π0引用的中国团队，又出手了：世界仿真器新作发布
Current Robotics团队发布交互式世界仿真器CurrentWorld - 0，创始人祝毅晨履历亮眼。该仿真器能跨本体、多视角、力 - 触觉预测，可用于评测机器人，还能让人类接管以探索不同动作结果。
刚刚，Anthropic 又出新货：Claude Opus 4.1 发布，代码、推理能力再升级
Anthropic发布Claude Opus 4.1，是对Opus 4的小升级，提升智能体任务、代码处理和推理能力。付费Claude用户等已可用，价格不变。在编程评测表现佳，获多方好评，官方建议升级。