「AI基准测试」共找到 10678 篇相关文章
一个「流浪」数学家的遗产，正在被AI公司疯抢
2026年，OpenAI等公司用AI解决多个匈牙利数学家Paul Erdős提出的问题，震动数学界。这些问题分布广、难度跨度大，适合模型测试。不过，AI证明的验证和人类数学家地位受关注。
Anthropic联创定下deadline：2028年AI实现自我进化，没有人类了
Anthropic联合创始人Jack Clark认为，到2028年底，递归自我改进发生概率有60%，即AI或能自主构建和改进自己。他基于公开AI开发数据和基准测试得出此观点，不过也有人提出质疑。
AI Agent的未来之争：任务规划，该由人主导还是AI自主？——阿里云RDS AI助手的最佳实践
文章以阿里云RDS AI助手实践为例，探讨AI Agent任务规划该由人主导还是AI自主。实测发现大模型自主规划效果不佳，企业更需稳定可靠，人工规划是最佳选择，还提出用‘混合规划’兼顾灵活与可靠。
「All in AI」的 Shopify，分享了他们的全员 AI 落地实践，全是干货
Shopify 三个月前决定「All in AI」，副总裁 Thawar 分享公司引入 AI 的策略、提升效果与三个「反直觉」见解。如全员无差别用 AI、让 AI 展示思考过程、重视新手等，还给出多个工作流案例。
RL缩放王炸！DeepSWE开源AI Agent登顶榜首，训练方法、权重大公开
今天凌晨，Together.ai联合Agentica开源AI Agent框架DeepSWE，基于Qwen3 - 32B模型用强化学习训练。所有内容开源，测试中性能超所有开源Agent框架，证明强化学习训练潜力。
刚刚，国产AI自己造了AI，全球首例！
面壁智能实现全球首例国产AI造AI，用AI编写预训练框架ForgeTrain，性能超英伟达Megatron，还训练出MiniCPM5 - 1B模型。该模型可作桌宠，小尺寸高智能，还能自定义人格，提供工具链。
瓦卡奖AI视觉创意大赛·从人工智能专家跨文化对话到全球AI厂商的竞技
10月17 - 19日，第二届瓦卡奖AI视觉创意大赛在深圳举行。期间AI全球视觉工作坊汇聚专家探讨AI与艺术融合，竞技日集结全球AI视频厂商民间团队参赛。大赛还发布国内首部《AI视觉创意应用蓝皮书》。
State of AI 2025：霍桑效应下，AI 是「赚钱机器」还是「泡沫机器」？
Air Street Capital发布2025年度《State of AI Report》，证实AI成重要经济增长动力，但技术突进伴随矛盾。报告提及AI推理能力有‘霍桑效应’，或成泡沫，不过AI - first公司商业化加速，付费工具采用率和合同价值飙升。
AI教父Hinton首次现身中国，合照全网刷屏！预警AI觉醒临界点已至
AI教父Hinton首次现身中国，与市委书记合影刷屏。他多次预警AI危险，称其觉醒临界点已至。演讲深入探讨AI演变，解释工作方式，分析AI或比人类强及有主观体验的原因。
「0污染」LLM理解基准来了！20000道题14个学科全覆盖，来自微软
MMLU-CF是微软亚洲研究院推出的无污染多任务语言理解基准测试，含20000道题、覆盖14学科。通过去污染规则和闭源测试集防数据泄露，保证评估结果可靠，已在Huggingface开放。