「三层评测框架」共找到 2248 篇相关文章
全面评估多模态模型视频OCR能力，Gemini 准确率仅73.7%
MME - VideoOCR团队评估多模态大模型（MLLM）视频OCR能力。构建精细任务体系和高质量数据集，评测18个主流MLLM。即便如Gemini - 2.5 Pro，准确率仅73.7%，暴露出MLLM在视频OCR领域能力局限。
准确率92.7%逼近Claude 3.5、成本降低86%，开源代码定位新神器LocAgent来了
OpenHands 等团队发布 LocAgent，这是用于代码定位的图索引 LLM Agent 框架，准确率达 92.7%。它把代码库解析成图，提供工具接口，经实验效果出色，开源微调模型降本增效，还能提升问题解决率。
首个面向柔性衣物灵巧操作的仿真平台来了，北大、伯克利联合发布
北大和伯克利联合发布首个面向柔性衣物灵巧操作的仿真平台 DexGarmentLab。它基于 Isaac Sim 4.5.0 搭建，有多样化场景、自动化数据采集管线和泛化能力强的策略框架 HALO，可推动柔性物体操作应用。
腾讯WorkBuddy联名硬件来了！首批100多家伙伴入场
9月2日腾讯WorkBuddy开放平台上线，亮相9款联名智能硬件、30多个行业应用与超100家生态伙伴。其是国内AI Agent赛道首个打通三层生态的开放平台，目标是成「面向Agent时代的操作系统」。
Rx.NET 7.0 拆分 Windows UI 支持，大幅缩减应用部署体积
Rx.NET 7.0 发布，重点为缩小 Windows 应用部署体积。它将 WPF 等集成功能从核心包拆分，解决自包含应用框架依赖问题。虽有破坏性变更，但维护团队保证了一定兼容性。后续有新开发计划。
DeepSeek Harness规模化踩坑实录：耗时、成本、失败到底该怎么查
Agent 进入日常研发流程后，使用方关注耗时、Token 消耗和失败回溯。DeepSeek Harness（DSH）是开源 Agent 框架，腾讯云 Agent 可观测提供 DSH 采集插件，构成全景可观测方案，还介绍接入实践与其他能力。
The Batch: 968 | Muse Code 想获取你的数据
Meta推出Muse Code编码框架及Muse Spark 1.2模型，有不同输入输出、功能和性能表现。提供不同档位价格，贡献者档位低价但数据用于训练。测试显示其单任务成本低，Meta此举或为获取编码训练数据。
Seedance 2.5 抽卡老废片？专业团队的 4 层控制法
Seedance 2.5上线后，单条画质好但成片易散架，废片率高。文章将官方提示词指南和一线分镜写法整合成四层控制框架，还给出30秒短剧分镜示例，助你定位问题、提高抽卡效率。
UCSD谢澎涛创业：用AI搞科研，4小时交付顶刊水平成果，已获数百万美金融资
谢澎涛团队推出面向AI for Science的AIBuildAI Science Agent，在NatureBench评测中排名第一，超多数通用编程智能体。该智能体可独立完成模型研发，效率大幅提升，还探讨了其能力边界、应用及对行业的影响。
阿里Qwen 3.7 Max：35小时自主编程，Claude跟不上了？
阿里云峰会发布的Qwen 3.7 Max，在优化平头哥芯片推理内核任务中，35小时让推理速度快10倍。它在多基准表现出色，编程、推理、办公自动化全面开花，但闭源且实验室场景与现实有差距。