「评测系统」共找到 2244 篇相关文章
Deep Search 如何理解业务仓库代码？
文章系统介绍Deep Search和Deep Research概念、与传统RAG区别、主流商业产品与开源方案、在代码领域应用及未来规划。提出Deep Search方案，构建独特代码理解与检索架构，还计划研发专用代码搜索Agent。
全面评估多模态模型视频OCR能力，Gemini 准确率仅73.7%
MME - VideoOCR团队评估多模态大模型（MLLM）视频OCR能力。构建精细任务体系和高质量数据集，评测18个主流MLLM。即便如Gemini - 2.5 Pro，准确率仅73.7%，暴露出MLLM在视频OCR领域能力局限。
给Kali 加个MCP,直接用cursor做渗透测试
文章围绕用MCP调用Kali进行渗透测试展开，介绍国外大神实现此方法并开源。阐述系统原理、Cursor配置，通过实际测试展示效果，指出MCP让渗透测试调用更简洁，是较大进步，还给出了代码链接。
对话西湖大学刘癸庚：从拓扑光子学到太赫兹芯片，他想做连接AI大脑与身体的人
本文是对西湖大学刘癸庚的访谈。他在拓扑光子学研究成果丰硕，如三维光子陈绝缘体、光子轴子绝缘体的研究。如今专注太赫兹芯片与通信，想构建连接‘AI 大脑’与‘AI 身体’的链路。
VC开始靠AI预测未来了
七月，DigClaw的预测框架Rhizome v1在FutureX评测平台取得优异成绩，支持了预测能力可沉淀在基座模型之外的判断。大语言模型不擅长预测，而DigClaw构建了以因果结构为骨架的预测基础设施。
实测飞猪 AI：真正的突围才刚刚开始？
2026年上半年，AI行业面临盈利难题，AI Coding虽火热，但旅游等领域落地AI更具挑战与潜力。飞猪升级AI能力推出「飞猪帮帮」，能办事、融合交互方式，还解决通用模型痛点，不过落地成闭环仍需供应商适配。
UCSD谢澎涛创业：用AI搞科研，4小时交付顶刊水平成果，已获数百万美金融资
谢澎涛团队推出面向AI for Science的AIBuildAI Science Agent，在NatureBench评测中排名第一，超多数通用编程智能体。该智能体可独立完成模型研发，效率大幅提升，还探讨了其能力边界、应用及对行业的影响。
一年从3B卷到0.xB：MonkeyOCRv2用0.7B拿下17语种文档解析开源第一
文档OCR正迈入小模型时代，MonkeyOCRv2以0.7B、0.6B参数在MDPBench上超越3B模型。它重新分配系统职责，采用互补预训练目标，还开源训练数据，且迁移到多任务表现良好。
世界模型炒作了半年，反应速度还不如 VLA？穆尧团队和百度智能云给出最新解法
生成式世界模型用于机器人控制备受争议，因其推理延迟高。上海交通大学 ScaleLab 团队等联合发布 AHA - WAM，解决推理延迟和时空分辨率错配问题，在任务成功率和推理速度上领先，还需系统协同推进落地。
一个开源平台，编织起了Agent「互联网」
如今 Agent 单体能力强但系统分散，开源平台 Octo 应运而生。它由明略科技打造，可聚合 Bot，让其成为企业级资产。Octo 重写协作，有 Matter 沉淀任务，塑造 Taste 让 Agent 更懂用户，还有六种协作模式。