「评估问题」共找到 3739 篇相关文章
LLM长文本内卷，谁是真英雄？告别跑分玄学，我们需要一把“公道秤”
OpenNLG Group做了统一长上下文评估框架LOOM - Scope，兼容主流benchmark、model和长上下文加速方法。该框架围绕BENCHMARK、DEPLOYMENT和EVALUATOR三大核心模块，还提出LOOM - Bench应对评估成本制约。
蚂蚁集团发布KAG-Thinker，多跳问答慢思考，医疗领域拿下87分
在LLM问答领域，多跳问题存在局限性，现有方法缺乏严谨性等。KAG - Thinker是基于KAG框架的模型，将复杂问题分解，通过多模块优化知识获取，在医疗领域实用，稳定性也出色。
如何用 AI 做营销：问题不是如何提效，而是底层打法变了
Olivia Borsje 认为 AI 重构营销行业，从工作边界、内容产出和策略方面带来变化。她总结的「AI Playbook」梳理营销 10 个核心问题，对比传统与新做法，还给出各环节实用建议。
ACL 2025 Oral | 你的模型评测搭子上线：Evaluation Agent懂你更懂AI
上海人工智能实验室与新加坡南洋理工大学合作研发 Evaluation Agent，它能按需评估视觉生成模型，有可定制、高效率等优势。框架分提案和执行两阶段，评估结果佳，未来将拓展功能。
下周聊：出海第一步，AI 科技公司需要关注的 5 个法律合规问题
AI创业应尽早出海，但不同地区法律法规等复杂。文章邀请专业人士，下周四线上分享科技公司、AI创企出海面临的合规风险、典型案例及应对方法，还提及需关注的软硬件法律风险等问题。
张鹏对谈李广密：Agent 的真问题与真机会，究竟藏在哪里？
本文是《今夜科技谈》直播沉淀，极客公园整理。拾象科技李广密、钟凯祺从多维度拆解 Agent 真问题与机会，探讨产品、技术路径、商业模式等，指出 Agent 发展方向与挑战。
编程能力开源SOTA，网络安全提升2倍！智谱发布GLM-5.3
智谱发布GLM-5.3，743B参数模型，编程能力达开源SOTA。网络安全能力涌现，基准得分是GLM-5.2两倍多。全部提升来自后训练缩放，还自研Z.ai Code Bench评估，安全评估加固后权重将开源。
跨越技术与法律的壁垒：AI赋能知识产权领域任务全能评测基准IPBench发布
本推文介绍arXiv论文《IPBench: Benchmarking the Knowledge of Large Language Models in Intellectual Property》。论文提出IPBench评估基准，构建含20个任务、10374个双语数据点的基准，评估17个主流模型，揭示现有模型在IP任务中局限。
全国首部AI智能体应用评估标准，现公开征集起草单位和个人
2025年成AI智能体元年，国务院提出目标，市场规模爆发增长。但企业部署面临“效能黑箱”，智合标准中心发起《企业级AI智能体应用效能评估规范》团体标准起草，现公开征集起草单位和个人。
解锁任意步数文生图，港大&Adobe全新Self-E框架学会自我评估
香港大学与Adobe Research联合发布Self - E框架，可从零训练实现任意步数文生图。它改变训练范式，用两条互补训练信号，在GenEval基准表现出色，让文生图训练更灵活且具扩展性。