「基准测试成本」共找到 3406 篇相关文章
做出ChatGPT核心研究的人今天掀桌：大模型搞不定自动化，新架构提速200倍且输出免费
前OpenAI ChatGPT核心研究员Diogo Almeida，研发两年推出专为业务自动化设计的全新模型Jev，新架构速度比传统大模型提升最高200倍，输出免费，从底层根除类型错误与幻觉，成本远低于主流大模型，已开放早期预览申请。
The Batch: 979 | LLM 清理智能体的“垃圾”
研究人员提出选择性管理智能体记忆之法，小红书Xubin Hao等构建Self - GC。它在送上下文给LLM前，让大语言模型决定内容取舍。测试显示其删历史少且保留必要细节能力强，不过未测其输出质量。
手机跑推理模型：Liquid AI发布仅需900MB内存的LFM2.5-1.2B-Thinking
Liquid AI发布LFM2.5 - 1.2B - Thinking推理模型，仅需900MB内存就能在手机运行。它专为简洁推理训练，性能提升明显，多数性能基准超Qwen3 - 1.7B，在多平台表现佳，还支持主流推理框架。
让LLM不再话痨，快手HiPO框架来了
当前LLM存在‘过度思考’困境，效率与成本矛盾突出。快手与南大合作推出HiPO框架，通过混合数据冷启动和混合强化学习奖励系统，让模型能自主决策思考模式，实验显示它提升了效率和准确率，还具强泛化性。
蚂蚁投了一家具身智能公司，做手的
具身智能市场火热，灵心巧手完成数亿元天使轮融资，由蚂蚁集团领投。该公司成立于2019年，此前已有超亿元种子轮融资。其自研灵巧手技术强、成本低、销量高，应用广泛，未来将聚焦软硬件协同。
ICML26 | 浙江理工大学马啸讲师和南京大学李武军教授课题组联合提出EMCES：为强化学习合成更有价值的样本
强化学习获取高质量样本成本高、风险大，现有基于扩散模型的样本增强方法有局限。浙江理工大学马啸讲师和南京大学李武军教授课题组提出 EMCES，将情景记忆机制引入可控扩散模型，提升下游强化学习算法表现，论文已被 ICML2026 录用。
刚刚，全球最难考试惊天大反转！黑马AI冲破36%，顶流模型集体翻车
ARC-AGI-3测试中，顶级大模型Opus 4.6仅得0.2%，人类获满分。而Symbolica公司用Agentica框架首日就取得36.08%的成绩。该框架有独特技术路径和策略，但成绩未经验证，ARC-AGI-3被视为通向AGI的‘北极星’。
国产物理AI黑马杀出！超越GPT与斯坦福Biomni，狂揽生物制造SOTA
恩和科技发布全球首个面向生物制造的物理人工智能平台 SAION AI，打破大模型只能虚拟辅助的刻板印象。它有认知、控制与闭环执行三层架构，在多项测试中表现领先，具备多方面核心优势，推动生物制造进入智能工程时代。
ChatGPT开测广告！OpenAI终于向“钱”看
OpenAI宣布在美国免费版及Go版测试ChatGPT广告功能，称是为支撑免费用户使用。广告不影响回答内容，会注明“赞助内容”。此外，新发布的GPT - 5.3 - Codex广受好评，还将推新聊天模型，其融资计划也在升温。
硅谷精英放弃生娃！MIT女记者揭秘：人类只是AI垫脚石，世界很快就毁灭
华人女记者Karen Hao出版《AI帝国》，揭露OpenAI背后隐秘真相。书中提到部分AI行业技术高管因认为世界不久将不复存在而选择不育，还讲述了AI带来的诸多问题，如资源消耗、道德困境等，也指出AI公司拒绝承担现实成本。