搜索：C3 Benchmark - AI Reading Hub

「C3 Benchmark」共找到 2210 篇相关文章

视频推理界的“福尔摩斯测试”：所有大模型，统统不及格 | 论文代码开源

腾讯ARC Lab和香港城市大学推出Video - Holmes，这是视频推理界的‘福尔摩斯测试’，能展现多模态大模型复杂视频推理能力的边界，规避现有Benchmark痛点，测试中所有大模型全部不及格，代码已开源。

最新研究揭示AI存在认知缺陷，读取时钟准确率仅38.7%，判断日历日期准确率26.3%。研究者构建测试集考察MLLM能力，虽部分模型有亮点，但整体表现不佳，凸显训练数据和推理方式改进需求。

随着合成数据增多，模型需判断数学数据题目能否被信任。北大DCAI团队提出MathDebugger质检BenchMark，覆盖问答两端，评测主流LLM和PRM。还探究能否判断正误、分类错误、修复数据，证明错误标签可作监督信号。

来自中山大学等的研究者提出SeePhys Pro，是面向多模态物理推理的细粒度评测与训练诊断框架。发布了benchmark、训练集等，测评显示当前模型在信息模态转变时不稳定，为模型评测和训练研究提供基础。

2026年5月Ramp数据显示，Anthropic企业市占率34.4%首超OpenAI的32.3%。Anthropic靠按量计费和AI Agent吸金，但也面临利益错配、体验下滑、成本上涨等问题，大模型竞争进入B端深水区。

面壁智能推出MiniCPM-V 4.6，参数约1B，性能和推理效率出色。它在多模态任务综合能力、推理速度上领先竞品，靠ViT架构改造和4倍/16倍混合视觉Token压缩实现创新，有工业验证，对开发者和普通用户意义大。

4月特斯拉宣布人形机器人Optimus技术开放，国内智平方推出全球首个具身智能模型开源社区AlphaBrain Platform，提供全链路技术栈。该平台亮点多，还适配最新具身Benchmark，打破实验室围墙，推动技术突破。

炎炎夏日汽车暴晒后升温快，现有贴膜技术难以散积热。韩美团队结合光学与纳米工程，设计出新型多层薄膜 STRC，能在高透光下为车厢零能耗散热，实车测试效果显著，还具环保和规模化应用潜力。

2026年油价飙涨，凸显石油化工对生活的影响，生物制造或成替代方案，AI正加速其进程。恩和科技创始人Cheryl与五源资本合伙人Ted对话，探讨SAION AI平台特性、行业竞争格局、核心技术及未来发展等问题。

Anthropic与谷歌、博通合作打造3.5 GW TPU集群，预计2027年上线。其年化收入破300亿美元首超OpenAI，客户呈指数级增长。但训练和推理成本高，与OpenAI都在冲刺IPO，竞争激烈。