「产品评测」共找到 2286 篇相关文章
Cherry Studio 复盘：从 Chat 到 Agent，一款「套壳」开源产品如何推倒重来？
Cherry Studio最初是为用户在不同大模型间切换的聊天客户端，随行业从Chat转向Agent，它开启2.0版本重构，定位转向「个人Agent平台」，底层架构重写，要解决产品复杂性、完善协作等问题。
1 亿美元 ARR、不设 AI 硬件产品经理，Plaud 如何拿下全球百万用户？
2023年6月Plaud AI推出AI录音卡片Plaud Note，一年多交付30万台、ARR达1亿美元，今年7月全球出货量达100万台。Plaud中国区CEO莫子皓称其更像大模型公司，无真正对手，分享了产品观和招人标准等。
Agent全自动搭建代码运行环境，实时更新解决评测过拟合/数据污染问题｜微软
长期以来主流代码修复评测基准SWE - bench问题多，制约AI模型能力展现。微软发布SWE - bench - Live，引入新Issue，实现环境自动化构建与更新，打破传统局限，还揭示传统基准过拟合问题。
vivo发布端侧多模态模型，只有3B可理解GUI界面，20项评测表现亮眼
vivo AI Lab发布端侧多模态模型BlueLM - 2.5 - 3B，融合文本与图文能力，支持长短思考模式切换。它在20余项评测中表现出色，参数量小，训练和推理成本低，有精巧结构、高效策略，还有高质量数据和高性能平台支撑。
红杉的投资哲学和秘密武器，a16z 投了个很有意思的 AI 学习产品
文章分享红杉投资哲学与秘密武器。决策重信念而非共识，管理赋能‘异类’人才，聚焦可控‘输入’，筛选要有勇气。还提到其‘人才佩奇排名’系统，此外介绍a16z投资的AI学习产品。
从「记忆解题」到「深度推理」：港科大推出首个本科数学动态评测基准 UGMathBench
港科大团队发表在 ICLR 2025 的研究 UGMathBench，是首个本科数学动态评测体系。它涵盖 16 个学科领域，通过变量扰动创建多版本试题，引入创新指标评估模型推理能力，测试结果揭示了当前模型短板。
EMNLP 2025 | T2R-bench: 业内「首个」工业级表格生成报告评测基准
中国电信人工智能研究院推出业内首个面向真实工业场景的“表格到报告”基准T2R-bench，涵盖多领域真实表格、问题与人工标注关键点，配套创新性三维度评测体系。实验显示主流大模型在该任务上表现欠佳，提升空间大。
a16z全球AI产品Top100：AI入口之争已经打响，OpenClaw开启通用Agent时代
a16z发布全球AI产品Top100第六版更新，AI成主流默认功能，Gemini追ChatGPT凶猛，通用Agent登场。还介绍了各领域竞争态势、市场地理分布、创意领域演变等情况。
1 亿美元 ARR、不设 AI 硬件产品经理，Plaud 如何拿下全球百万用户？
本文采访了Plaud中国区CEO莫子皓。他表示Plaud更像大模型公司，硬件是获取用户context的入口。还谈到职业经历、大模型在医疗应用原因，指出做硬件要补短板，产品迭代谨慎且快，目标是拓展智能边界。
马斯克点赞的APP来了！刚下场视频世界模型，就拿下评测第一
实时视频世界模型成热门，Loopit发布的实时互动世界模型Zing - 0.5在评测中获第一且已开源。该公司提出独特观点，认为实时视频非世界，互动应“模应一体”，还指出抵达端到端终局的新路径。