「价值评估」共找到 1341 篇相关文章
OpenAI深夜开源HealthBench，60个国家合力开发5000段真实对话
今天凌晨1点30，OpenAI开源医疗大模型测试评估集HealthBench。其5000段核心测试对话由60个国家/地区的262名医生打造，采用多轮对话测试。测试显示大模型在医疗保健领域表现显著提升，还介绍了其构建及评估等情况。
全球首个科研LLM竞技场上线！23款顶尖模型火拼：o3夺冠，DeepSeek第四
Ai2耶鲁NYU联合推出科研版「Chatbot Arena」——SciArena，23款顶尖大模型比拼科研任务，OpenAI o3夺冠，DeepSeek第四。该平台解决通用基准测试在科研场景‘失效’问题，但其自动评估系统猜科研人偏好远未及格。
一篇400+文献最新RAG技术系统性综述
本文对RAG技术进行系统性综述，通过筛选5大数据库、128篇高被引文献、343个数据集，给出技术地图、评估框架与未来路线，梳理技术全景、评估指标，还介绍主流数据集，指出RAG已演变为复杂系统。
裁员现在不叫裁员，叫 AI 裁员
当下很多公司出现‘AI裁员’现象，在AI加持下，人员价值被重估。重复性高、难证边际价值的岗位易被裁，公司会加大对与AI相关岗位的投入。中美企业在裁员做法类似，但人才策略不同。
颜水成领衔，给AI分段位！超100款多模态模型，无人达到L5
十所顶尖高校联合发布General - Level评估框架和General - Bench基准数据集，用五级分类制明确多模态通才模型能力标准。评估超100款模型，发现多数在L2 - L3，无L5模型，揭示当前模型不足。
a16z：担心被AI淘汰，产品经理需要具备这5种技能
a16z发布文章讨论AI时代产品经理核心价值。指出产品经理要调研模型，挖掘其能力与局限；软件将成消费支出流向，可推高价产品；情感价值是竞争力；下一代AI产品是围绕模型的创新品；产品经理应日常用AI。
DeepSeek被曝融资20亿…可幻方一年就挣50亿啊？
DeepSeek被曝计划首次融资，目标估值超100亿美元，计划融资至少3亿美元。但此前多次融资传闻均被辟谣，且其母公司幻方量化盈利能力强。若融资，或为锚定股权价值、激励人才及获非财务价值。
Agent交卷时刻：企业如何跨越“一把手工程”信任关？｜甲子引力
在2025甲子引力年终盛典中，甲子光年智库院长宋涛对话五位AI企业负责人，探讨AI Agent在企业中的价值与落地问题。嘉宾们认为AI Agent可降本增效、推动转型，但落地面临信任、成本等阻力，需深入业务创造价值。
我们离Coding领域的「AGI时刻」还有多远？字节跳动Seed发布NL2Repo-Bench仓库级长程代码生成基准
在AI编程领域，大家认为Coding领域的AGI似乎可以实现，然而真正的项目开发要求更高。近日，字节跳动Seed等联合发布首个评估编码智能体端到端仓库生成能力的基准测试NL2Repo - Bench，还介绍了其构建、评估等情况。
LennyBot背后：一个价值1600万美元的"高级FAQ"
著名播客主Lenny Rachitsky推出LennyBot，可就其节目内容聊天并导流，背后公司Delphi获红杉1600万美元A轮融资。作者体验后认为它是高级FAQ，分析Delphi商业模式，指出赛道类似千播大战，红杉赌的是时间窗口。