「基准测试平台」共找到 3294 篇相关文章
AI七个月突破数学家“围剿”反超人类！14位数学家深挖原始推理token：不靠死记硬背靠直觉
大模型o3 - mini - high在7个月内，于FrontierMath基准测试中，答题得分从2%提升到22%，超人类团队平均水平。数学家分析其推理记录，发现它靠直觉而非死记硬背解题，但也存在缺乏创造力等局限。
多模态大模型不会画辅助线？最新评估得分：o3仅25.8%，远低于人类82.3% | 清华腾讯斯坦福联合
清华、腾讯、斯坦福等团队发布RBench - V基准测试，评估大模型视觉推理能力。结果显示，主流大模型如o3、Gemini2.5等准确率远低于人类，开源模型表现更差，暴露出大模型在复杂多模态推理任务中能力不足。
OpenAI Astra被曝引入「循环深度」能力飙升！安全专家坐不住了
OpenAI 最强新模型 Astra 或即将发布，它是首个达「关键级」网络安全能力门槛的模型，在测试中表现优异。《The Information》爆料其用「循环深度」技术，能力提升但引发安全专家担忧，该技术可使模型内部计算增多，思维链监控或失效。
从一个公众号智能体说起：好用的Agent，究竟需要什么?
文章从公众号智能体切入，探讨好用的 Agent 所需条件。介绍腾讯云智能体开发平台 3.0，其有知识处理进化等能力；还提及 Agent 在酒店、营销等场景应用，强调可靠工程与用户触达对实现其价值的重要性。
百度网盘的阵势真不小
作者参加百度AI开放日，看到百度文库和网盘发布一系列AI新功能，已发展成一站式AI内容生产力平台。如全新AI相机功能多，GenFlow 2.0体验流畅，背后依托沧舟OS打通全链路。这反映泛内容创作降门槛趋势。
腾讯混元世界模型1.1开源：单卡秒级重建3D世界成为现实
腾讯混元团队开源混元世界模型1.1，它是混元3D世界模型1.0升级版。新增多视图及视频输入，单卡可部署，秒级创造3D世界。有核心突破，能处理多任务，经训练策略优化，多测试表现佳。
杭州闯出40亿AI医疗IPO！阿里CEO多轮投资
杭州AI陪诊公司微脉准备赴港IPO，其创始人裘加林经验丰富。微脉依托自研CareAI平台，以与公立医院合作为核心开展全病程管理服务，业务增长可观，虽仍亏损但在收窄，此次募资用于AI能力提升和业务扩张。
黄仁勋搬来华尔街5000亿，买GPU可以按揭了
8月11日，英伟达宣布与六家金融机构合作，成立算力融资平台，欲动员超5000亿美元，把算力做成可融资生意。其将英伟达全栈AI基础设施当可投资资产，客户按需付费，但英伟达股价不涨反跌，这场豪赌结果待察。
打造4大“AI龙虾” 军团，才懂钉钉为何是企业数智化的最佳答案
企业数智化喊了多年却鲜有成功，多数企业面临技术门槛高、系统不通、数据孤岛等问题。把Copaw这个AI Agent接入钉钉，运行了写日报、商机搜寻、A股财报分析、电商数据整理分析四个案例，展现了钉钉平台化优势，是企业数智化有效解法。
告别App孤岛，天翼AI如何用统一入口重构数亿用户的数字生活？｜甲子光年
2025年中国AI行业模型能力强但用户体验复杂，存在数字鸿沟。中国电信在数智科技生态大会上，天翼AI发布星辰智能体服务平台1.0，以统一入口“星小辰”智能体重塑入口逻辑，还在多领域布局扩张能力。