「评测系统」共找到 2244 篇相关文章
ICLR 2026录用结果公布！AI大佬晒成绩单，AI滥用最严重一届
ICLR 2026投稿达19000篇破纪录，录用率28.18%，平均分5.39创三年最低。评审系统曾现漏洞，作者仍晒喜报，如北大张铭组中5篇。但AI滥用严重，21%评审意见被疑由AI生成。
让世界模型推理效率提升70倍：上海AI Lab用“恒算力”破解长时记忆与交互瓶颈
上海AI Lab联合多家机构开源Yume1.5，针对视频生成构建可交互“世界模型”的核心难题，提出时空信道联合建模（TSCM），实现近似恒定计算成本的全局记忆访问，展示了世界模型工程化落地的可行路径。
阿里云百炼 AgentScope 基于容器服务的最佳实践，加速企业 AI Agent 应用落地
自 ChatGPT 发布，大语言模型成智能系统核心，AI Agent 兴起。阿里云百炼与容器服务联合发布 AgentScope on 容器服务方案，为智能体应用提供运行底座，介绍了 AgentScope 特性、容器服务能力及部署实践等。
Scaling Law 仍然成立，企业搜广推怎么做才能少踩“坑”？
InfoQ《极客有约》X AICon 直播栏目邀请京东、荣耀等专家探讨生成式推荐落地洞察。指出搜广推领域 scaling law 仍成立，大模型改变特征工程等，还分享了系统架构、模型应用等方面经验及挑战。
GPT-5.1 突然发布，用户实测：更像 4o，情商大幅提升
OpenAI 向部分付费用户推送 GPT - 5.1，有即时思考和深度思考两种模式，系统自动匹配。它有八种人格预设，改进不仅在语气，还提升记忆编织等能力，像是补救 GPT - 5 失败，还扩展安全评估。
告别盲目卷参数！科大讯飞1024亮出底牌：all in“更懂你”
在模型能力趋同当下，科大讯飞在1024开发者节提出让AI“更懂你”。展示多模态超拟人“小飞老师”和「百变声音复刻」功能，发布星火X1.5大模型，还推出多领域软硬件产品，赋能多行业。
谁杀死了那篇好论文？AI顶会乱象：好文被刷，低分论文捧上天
一位AAAI 2026审稿人在Reddit匿名爆料，称评审流程乱象丛生，好论文被拒、弱论文晋级，还有疑似“关系稿”。AAAI启用AI辅助审稿系统，本意提升效率，却让评审更不可控，侵蚀学术信任。
LightMem用3招重新设计了LLM的记忆，结果出乎意料
LLM在超长多轮对话中有上下文窗口有限、记忆系统昂贵的痛点。LightMem借鉴人类记忆机制，用三招重新设计LLM记忆，实验显示其准确率超基线，还降低token使用量、API调用和运行时间。
智能体系统如何「边做边学」？斯坦福团队探索在线优化的新范式
斯坦福等校团队提出 AgentFlow 框架及 Flow - GRPO 算法，让智能体系统能「边做边学」。它由多个智能体模块协作，在多领域基准测试中表现出色，小模型也能超越大模型，为智能体训练提供新思路。
从今天起，开源前五，全！是！中！国！大！模！型！
短短一年，LMArena开源模型榜单前五全被中国大模型占领，智谱Z.ai登顶，阿里、DeepSeek等紧随其后。LMArena是权威评测平台，盲测机制保证排名真实。中国模型性价比高，正用开源和低价占领市场。