「评测实践」共找到 1138 篇相关文章
Ray异构融合底座重构数据管道：架构演进与万卡落地实践
文章指出大模型发展下，传统大数据引擎在多模态数据处理局限性凸显。腾讯基于Ray构建新一代数据管道，介绍了云原生调度与计算范式融合架构，详述容错、资源利用等方面优化实践，展示了重构收益。
百度端侧大模型安全建设实践：在算力与保障之间找到平衡
在 QCon 全球软件开发大会上，百度李志伟分享端侧大模型安全建设实践。介绍其发展趋势、优势与应用场景，指出面临隐私、内容等安全挑战，阐述云端与端侧安全方案，通过案例展示优化效果，展望未来安全建设方向。
从大模型到智能体：50+ 头部企业的 AI 进化实践
2025年AICon全球人工智能开发与应用大会6月27 - 28日在北京举办，50余家机构专家围绕AI Agent等前沿技术探讨落地实践与趋势。极客邦等企业代表分享应用布局，还有5大主题演讲、14个技术专场和50多个标杆案例。
全球首个跨本体、跨视角、多模态物理世界模型，CurrentWorld-0 来了！
Current Robotics 发布跨本体、多模态物理世界模型 CurrentWorld-0，它从真实数据学规律，整合跨本体、多视角和力触预测，可评测机器人，解决动作可控性等问题，让评测成训练数据入口。
罕见！Meta、OpenAI、xAI联合分享了用生产环境提升LLM的最佳实践！
Meta、OpenAI、xAI联合发表成果CharacterFlywheel，聚焦在生产环境提升社交型AI对话能力。团队基于LLaMA 3.1迭代15个版本，7/8的A/B测试显示正向提升，介绍了架构、数据管道、奖励模型等内容。
规范对齐时代：GPT-5 断层领先，让安全与行为边界更明晰
上海交通大学等团队提出规范对齐概念，构建评测基准 SpecBench 评测 33 个主流模型，发现多数模型有不足。还探索测试时深思方法，如 Align3 能提升规范遵循度，GPT - 5 在规范对齐上断层领先。
打造高可靠 AI 助手：Skill 编排、Workflow 设计与 Spec Coding 的深度实践
文章拆解上下文工程五大实践模式，对比 Skill 与 Subagent 差异，介绍 Vibe Coding、Spec Coding。分析使用 Skill 做 AI Coding 的问题，提出 Workflow 概念及解决办法，还说明了工作流使用方法和适用场景。
Claude Code 终端工具链完全指南：7 款终端横评 + 我的最佳实践
文章对 7 款主流终端进行横评，给出 Shell 配置、终端复用器、快捷键的最佳实践，旨在让 Claude Code 体验更顺滑。介绍各终端特点，避坑 Powerlevel10k，推荐 Starship，强调 tmux 重要性等。
警告：你的Agent可能无法"解决"真实世界的视觉问题
文章提出 AgentVista 评测基准，含 209 道任务，横跨 7 大领域 25 个子方向。评测 14 个主流模型，最强的 Gemini - 3 - Pro 准确率仅 27.27%，揭示多模态 Agent 在视觉理解、工具调用等方面挑战大。
AIGC全生命周期业务风控白皮书，从备案到运营的合规与安全实践
2025年《人工智能安全治理框架》2.0版发布，凸显AI安全重要性。数美科技发布《AIGC全生命周期业务风控白皮书》，构建全生命周期业务风控体系，涵盖备案攻略、评测要点、账号与内容风控等，还有实战案例。