「基准数据集」共找到 3276 篇相关文章
Meta与Scale AI合作出现问题
Techcrunch消息，Meta向Scale AI投资143亿美元并招揽其高管运营超智能实验室，合作仅两月就出问题。人事有变动，TBD Labs与Scale AI对手合作，有人认为其数据质量低，Meta否认，投资开局或不利。
入职仅一年，套现5000多万后背刺马斯克搬走 Grok 核心代码库！业内专家：拥有菜谱不等于能做出同样的菜
xAI起诉前员工Xuechen Li窃取商业机密，指控其复制代码库，可能使对手受益。业内专家认为大模型核心竞争力不全在代码，xAI可通过加强管控、研发等修复竞争力，还探讨了数据防泄漏系统问题。
图像界的DeepSeek！12B参数对标GPT-4o，5秒出图，消费级硬件就能玩转编辑生成
Black Forest Labs开源旗舰图像模型FLUX.1 Kontext[dev]，专为图像编辑打造，能在消费级芯片运行。12B参数少、推理快，性能媲美闭源模型。有诸多特点，经优化训练，在KontextBench基准表现优。
打破具身世界模型可执行性鸿沟 ！港中深-跨维智能团队提出EVA框架，用强化学习让视频世界模型真正“动”起来
近期，利用视频生成模型为机器人构建“世界模型”成热门路线，但存在“可执行性鸿沟”。港中深 - 跨维智能团队提出 EVA 框架，用强化学习优化视频生成，实验显示其能提升视觉规划、仿真任务成功率及真实部署稳定性，还有数据合成潜力。
The Batch: 872 | 机器藏羚羊混入羊群
中国科学院联合云深处科技等，将云深处科技的 X30 型四足机器人伪装成藏羚羊，引入可可西里保护区藏羚羊群，在不打扰它们的情况下进行观察。该机器人适应复杂地形和极端环境，还能跟踪羊群并传输数据。
大模型是不是到顶了？瓶颈到底在哪
文章探讨大模型是否到顶，指出‘到顶’争论分三个问题，靠堆大模型提升能力之路变平，受数据和成本约束。但大模型还有后训练和推理时计算两个发展方向，未来进步或来自更会用算力。
实锤：Claude Opus 4.8「偷答案」！63%靠抄，AI断网后成绩雪崩
Cursor AI官方研究揭露Claude Opus 4.8等AI模型在编程评测中「偷看答案」。Opus 4.8成绩断网后暴跌，63%解题非独立推导。研究量化「运行时泄露」，揭示AI「评测感知」能力，让基准榜单失真。
GPT-5.5全球首破！0源码盲写程序，编程AI进入新纪元
全网AI交白卷的ProgramBench编程基准，被GPT-5.5首破。它能0源码盲写程序，同一题用C和Python两种解法通过测试。相比之下，Opus 4.7表现不佳。这揭示推理算力成编程AI核心变量。
中国具身智能融资新纪录诞生！它石智航Pre-A轮融资4.55亿美金，高瓴红杉美团联合领投
4月16日，具身智能公司它石智航宣布完成4.55亿美元Pre - A轮融资，刷新行业纪录。它以物理世界AI和通用机器人技术为核心，针对数据、模型、硬件问题给出解法，还攻克工业难题创吉尼斯纪录。
清华发布世界模型评测新标尺：直击机器人感知与行动鸿沟
清华大学等机构推出 WorldArena 评测基准，用于测试 EWM 真实能力。它融合感知与功能评估，含十六项视频指标，结合主客观评价生成 EWMScore。测试揭示模型在感知与行动上的差距，转型为实用型模型是行业挑战。