「长视频评测」共找到 2160 篇相关文章
Google重磅上线通用世界模型Genie 3 - 此即未来。
Google发布世界模型Genie 3，它与Sora等AI视频产品本质不同，像可实时演算的模拟器。Genie 3解决了前辈无法调和的矛盾，在交互、时长、控制等方面有突破，虽有局限，但打开新世界大门。
刚刚，OpenAI开源2个推理模型：笔记本/手机就能跑，性能接近o4-mini
OpenAI深夜开源gpt-oss-120b和gpt-oss-20b推理模型，距上次开源已6年。模型亮点多，性能强，在多方面表现超专有模型。官方还放实测视频，展示其使用效果，同时解释了开源原因。
在AI工具间来回切换了1年后，可灵用一张画布终结了它。
作者参加WAIC印象最深的是可灵更新，其首发灵动画布并升级多图参考功能。灵动画布可一站式完成图文视频创作，多图参考精准度提升，解决了AI工具孤岛化问题，让创作更自由。
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。
微软为3万名政务人员提供Copilot AI
CNBC消息，旧金山市长宣布为3万政府人员提供微软Copilot AI，用于行政工作提效。经六个月试点，该AI为人员每周提效5小时，还能处理多语言翻译等事务，使旧金山成全球应用AI最多城市之一。
用动作分块突破RL极限，伯克利引入模仿学习，超越离线/在线SOTA
如今强化学习在多领域成果显著，但在长跨度、稀疏奖励任务中表现欠佳。加州大学伯克利分校研究者提出Q - chunking方法，将动作分块引入基于时序差分的强化学习，解决探索效率和值传播问题，实验表现优异。
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。
“AGI 五年内或将实现”：AI 教父 Bengio 呼吁中美达成共识，警惕 AI 沦为人类武器
AI 教父 Yoshua Bengio 在 2025 北京智源大会表示，AI 完成任务时长每七个月减半，约五年后或达人类水平，AGI 或将到来。他呼吁中美达成共识，警惕 AI 沦为武器，还提出构建“Scientist AI”等观点。
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。
靠「AI婴儿播客」拿到a16z 3200万美元投资，Hedra凭什么？
Hedra是生成式AI创企，凭「AI婴儿播客」获关注，刚完成3200万美元A轮融资。它与主流AI视频平台路线不同，构建全模态基础模型，播客成杀手级应用，研发成本低，踩中赛道转型。