「评测指标」共找到 914 篇相关文章
π0引用的中国团队，又出手了：世界仿真器新作发布
Current Robotics团队发布交互式世界仿真器CurrentWorld - 0，创始人祝毅晨履历亮眼。该仿真器能跨本体、多视角、力 - 触觉预测，可用于评测机器人，还能让人类接管以探索不同动作结果。
刚刚，Anthropic 又出新货：Claude Opus 4.1 发布，代码、推理能力再升级
Anthropic发布Claude Opus 4.1，是对Opus 4的小升级，提升智能体任务、代码处理和推理能力。付费Claude用户等已可用，价格不变。在编程评测表现佳，获多方好评，官方建议升级。
不想再折腾 ELK？上手体验,程序员自建监控新选择,前端埋点 + 后端日志 + 链路追踪，一套开源栈全包了
OpenObserve 是云原生开源观测平台，用一个服务搞定日志、指标等监控与可视化，能解决监控栈散、部署复杂、存储贵的问题，号称日志存储成本比 ES 降至约 1/140，功能亮点多。
OmniInsert：全新无掩码视频插入技术
基于扩散模型的视频插入技术发展快，但以往方法有局限。字节提出InsertPipe和OmniInsert，解决数据不足等难题。OmniInsert设计巧妙，还建立评测平台InsertBench，虽有小问题，但推理快，可加速优化。
JHU教授揭秘学术潜规则：普通博士如何打破鄙视链翻盘？
约翰霍普金斯助理教授Anand Bhattad用亲身经历，总结给博士生的硬核生存指南，揭秘学术潜规则，如出身门槛、指标焦虑等问题，并给出突围策略和主动方法。
Paper2Video：学术研究论文讲解视频自动生成
学术演示视频制作耗力，Show Lab提出Paper2Video基准数据集和PaperTalker多智能体框架，可从学术论文自动生成演示视频。还引入定制化评价指标，衡量学术演示视频效果。
你的 Harness 工作流真的在进步吗？我们用一场考试撕掉了遮羞布
文章指出Harness工作流常靠‘主观vibes’驱动，缺乏有效评价体系。为此推出Harness Eval评测系统，包含出题、答题、改卷等环节，形成闭环，帮助工作流持续改进，还能提升整体通过率。
文档级知识图谱: RAKG(95.91%) VS GraphRAG(89.71%)
文章分享RAKG框架，解决传统知识图谱构建在文档级构建中的局限。对比GraphRAG的不足，阐述RAKG创新点、框架结构，用MINE数据集实验，显示RAKG准确性等指标优于GraphRAG和KGGen。
智元机器人发布并开源首个机器人动作序列驱动的世界模型
近日，智元机器人发布并开源全球首个基于机器人动作序列驱动的具身世界模型 EVAC 及具身世界模型评测基准 EWMBench，构建全新开发范式，打破具身智能演进制约。
华为，在黎明之前
2019年华为因‘实体清单’业务面临停摆，AI战略也被打乱。此后华为成立‘作战部队’攻克AI算力难题，2022年启动超节点研发，2025年发布CloudMatrix 384超节点，在多项指标上超越英伟达。