「基准构建」共找到 2656 篇相关文章
让大模型基于「图像事实」说话：用事实文本+自适应编辑，让语言偏见无处遁形丨ICLR'26
多模态大模型看图常“脑补”，存在对象幻觉问题。北航团队提出AFTER框架，含FAS和QAO模块，能在主流LVLM和基准上显著降低幻觉，且推理开销低，为多模态助手落地提供实用路径。
XcodeBuildMCP：让 AI 像开发网页一样搞定 iOS/macOS 应用
Sentry开源的XcodeBuildMCP项目，打破传统AI辅助开发手动验证循环，通过MCP和CLI让AI代理操作Xcode构建系统，实现自动化开发流程。它配置简单，能覆盖日常开发需求，助力iOS开发迈向‘无人值守’。
Prompt、Skills、MCP：大模型上下文工程核心链路
文章聚焦大模型上下文工程，介绍了Prompt、Skills、MCP核心链路。Prompt是与模型沟通基础，但其有脆弱、难管等痛点，促使向上下文工程演进；Skills是能力单元，可显式化能力、动态组合；MCP解决能力集成问题，虽有争议但理念重要。
The Batch：924｜GPT-5.4：性能更高，价格也更高
OpenAI更新旗舰模型GPT-5.4，有Thinking和Pro两个版本，扩展工具使用能力，多基准测试达当前先进水平，但定价高。虽在部分任务表现超Claude，挑战Gemini地位，不过成本也更高。
这个 AI 股票分析项目，居然快 2w star了？！
A股行情火热，盯盘分析耗时耗力。Github上的开源项目`daily_stock_analysis`基于AI大模型构建，能自动分析股票行情等，生成“AI决策仪表盘”，给出投资参考建议，目前已获18.1k+ Star。
yann lecun（杨立昆）新公司AMI融资10亿美元，要做LLM的替代品
Yann LeCun离开Meta后与Alexandre LeBrun创立AMI Labs，获10.3亿美元融资。他们认为LLM有幻觉问题，AMI Labs用JEPA架构构建‘世界模型’，代码和论文将开源，不过短期内无产品和收入。
清华联手千问重塑归一化范式，让 Transformer 回归「深度」学习
Pre - Norm和Post - Norm是Transformer架构中稳定信号流的关键范式，但面临权衡取舍。近日，清华黄高团队联合千问团队提出SiameseNorm，构建参数共享的平行通路，实现稳定训练并提升性能。
开源版 Claude Cowork
Multica是原生桌面客户端，将编程智能体能力带给大众，支持Claude Code等。它类似Obsidian，可按需定制，能解决编程智能体使用障碍，具备简洁界面等特性，还介绍了使用、开发、构建等内容。
DeepSeek又拿第一！首创「因果流」视觉推理，超越Gemini
DeepSeek开源DeepSeek - OCR2，引入DeepEncoder V2视觉编码器，打破传统模型扫描限制，模仿人类视觉「因果流」逻辑。它解决了传统VLM忽略图像语义结构问题，在多项测试中表现出色，还验证了「LLM作为视觉编码器」可行性。
重复一下提示词，Gemini准确率竟从21%飙升至97%！
Google Research团队研究发现，重复提示词可让Gemini准确率从21.33%升至97.33%。该策略能提升主流大模型非推理任务表现，在多模型多基准测试中优势明显，且不增加延迟。