「跨平台评测」共找到 2125 篇相关文章
看遍奥斯卡后，VLM达到电影摄影理解新SOTA｜上海AI Lab开源
上海人工智能实验室等推出ShotBench、ShotVL及ShotQA，ShotBench含超3.5k问答对，ShotQA约7万个问答对。ShotVL在ShotBench评测中表现出色，3B参数的ShotVL-3B增益达19.0%，超越GPT - 4o等。
Kimi K2发布两天即“封神”？80%成本优势追平Claude 4、打趴“全球最强AI”，架构与DeepSeek相似！
国内独角兽月之暗面发布并开源 Kimi K2 模型，推出两天就在 OpenRouter 平台 token 使用量超 xAI 的 Grok 4。它成本低、性能强，编码能力追平 Claude 4，架构与 DeepSeek 相似，技术研究也多次‘撞车’。
AI杀死了破折号，也绞杀了语文。
互联网上破折号“暴毙”，因被无数人当成AI接头暗号。很多社媒平台上AI写的内容用蹩脚符号，人类苦AI内容久矣。为区分AI，人类或放弃部分文化表达，这是表达降级，AI正绞杀语文。
Snowflake：企业对AI投资回报率高达41%
全球著名数据库云平台Snowflake发布调查报告，对9个国家超500人企业调查发现，已部署生成式AI企业平均ROI达41%，应用广泛但面临数据挑战，不同行业和区域表现有差异，多数企业计划增预算。
推理正确率下降65.5%！斯坦福、MIT等用「不等式」拷问AI逻辑极限
大语言模型在数学证明常现推理漏洞，斯坦福等高校团队提出IneqMath基准评估其严谨性。用不等式证明题切入，拆解为子任务，构建评测体系，用LLM - as - Judge审查。结果显示模型推理正确率低，存在结构性缺陷。
产业服务 | AI数智文创，谱写文旅新篇章—北京AIGC视听产业创新中心·创投会（第二期）圆满成功
北京AIGC视听产业创新中心·创投会（第二期）近日落幕。活动汇聚业内企业、院校、专家等，搭建三维平台征集项目。入围项目涵盖多领域，还有特别分享。活动推动AI与文旅融合，为产业发展提供支持。
黄仁勋发布量子计算专用CUDA！预言量子计算机几年内应用，但现在还离不开GB200
在GTC巴黎演讲中，英伟达CEO黄仁勋预言量子计算机几年内可实际应用，还推出量子-经典加速超算平台CUDA - Q。此外，他提及物理AI是战略核心，有巨大市场机会，还展示多款产品与技术。
Qwen3新成员：Embedding系列模型登场！
今天正式发布Qwen3-Embedding系列模型，专为文本表征等任务设计，继承Qwen3多语言理解优势。在多项基准测试表现卓越，已在多平台开源，有卓越泛化性、灵活架构与多语言支持等特点。
红杉中国推出 Agent 基准测试「xbench」，双轨评估体系，关注 AI 真实场景的效用
红杉中国开放AI和Agent基准测试工具「xbench」，采用双轨评估体系，构建多维度测评数据集。首期发布两个核心评估集并排名，提出垂类Agent评测方法论。该工具旨在解决现有评估问题，关注AI真实场景效用。
DeepSeek发布最新论文，5大杀手锏让大模型训练、推理暴涨
全球著名开源大模型平台DeepSeek在huggingface发布超强开源模型V3的论文，从硬件架构和模型设计双视角探讨高效训练和推理，提出DeepSeek - MoE、多头潜在注意力等创新技术，解决内存、计算效率等难题。