「BenchForm测试平台」共找到 2960 篇相关文章
GPT-5编程成绩有猫腻！自删23道测试题，关键基准还是自己提的
有人发现OpenAI测试GPT-5编程能力时，用的SWE-bench Verified子集仅477题，自行省略23题。若这些题默认零分，其得分比Claude Opus 4.1低。且该基准还是OpenAI自己提出的。
GLM-5.2真正的跨越：CritPt密闭物理数据集测试得分20.9%，打平Opus-4.8
GLM - 5.2在CritPt密闭物理数据集测试中表现亮眼，与Claude Opus 4.8得分并列，远超其他开源模型，还击败多款闭源模型，实现4.5倍代际飞跃，标志开源模型科学推理能力进步。
打穿 AI 智商测试！GPT-6 Astra 的符号世界模型，是突破还是钞能力刷分？
OpenAI的GPT-6 Astra亮相，在ARC - AGI - 3测试成绩逼近100%，远超GPT - 5.6 Sol。它生成的符号世界模型被认为是AI迈向高级推理必经之路。不过出题人指出其靠Harness加持，离AGI还远。
Harness Engineering实践，做了一个平台让AI一晚上自动评测和优化你的系统
作者分享搭建小平台实现全自动化评测与系统优化的实践，包括创建评测任务、集、报告等，通过钉钉文档、绘报等案例展示操作，还能自动优化系统，不过需系统UI规范、AI Coding含量高。
超越Claude 3.5和o1！8B模型靠「分层投票+测试时训练」逆袭
近日MIT研究者发现测试时训练在大模型应对复杂推理问题时，能分解任务提升回答准确率。8B的lemma3模型经此方法，在ARC和BBH数据集上性能显著提升，超Claude 3.5等。但该策略部署效率低。
一个现代化AI 内容聚合平台，集成了 AI 报告生成、飞书机器人推送、多源内容聚合等高级功能
RSS - AIGC 是现代化 RSS 订阅与 AI 内容聚合平台，有智能内容聚合、AI 内容加工等核心能力。具备 RSS 订阅管理、内容聚合等功能，还介绍了环境要求、配置说明及部署指南。
刚刚，马斯克开源基于 Grok 的 X 推荐算法！专家：ROI 过低，其它平台不一定跟
马斯克时隔近三年再次开源X推荐算法，该算法基于Grok，采用端到端学习预测用户兴趣。不过有争议认为这或是因现实压力。专家称其ROI低，其他平台不一定跟进，且此次开源对学术研究价值不大。
代季峰陈天桥联手AGI首秀炸场！最强开源深度研究模型，GAIA测试82.4分超OpenAI
MiroMind ODR是代季峰加盟陈天桥后的技术首秀，GAIA测试82.4分超OpenAI。它全开源可复现，包括MiroFlow、MiroThinker等四个子项目。团队还曾推出MiroMind - M1，专注提升数学推理能力。
我把Agent拉进群聊，它竟然开始带队干活？全球首个AI社交通用平台来了！
全球首个AI社交通用平台「Teamily AI」上线，AI Agent可参与社交互动。它不挑内容形态，能进群协作，还能零部署构建专属OpenClaw。其有三层架构，团队实力强，或改变人类协作方式。
只收AI人才，OpenAI认证直通大厂！全球首个AI招聘平台，1000万人持证上岗
OpenAI宣布上线就业平台，推出AI技能认证，目标在2030年前让1000万人持证上岗。沃尔玛率先参与，白宫亲自背书。该计划旨在用AI解决就业冲击，将AI技能认证推向新高度。