「元评估」共找到 1368 篇相关文章
内存涨价，千元机的天塌了
去年下半年起存储芯片涨价，因AI基础设施需求爆发，三大存储芯片厂产能被榨干。消费级产品供应受挤压，中低端手机成最大受害者，各厂商搁置低价产品线，中低端市场持续萎缩。
“75亿元投资理财”？摩尔线程回应
近期，摩尔线程拟将IPO募集的不超75亿元闲置资金用于现金管理引关注。公司称募投项目分阶段投入，此举为提高资金使用效率，不影响项目推进。12月20 - 21日将举办开发者大会。
华为海思老兵上海创业，拿到亿元投资！
过去两年汽车行业竞争激烈，智能驾驶芯片成关键领域。近日，上海为旌科技完成A2轮融资首次交割，获君信资本1亿元。其创始人郑军是海思老兵，带领公司研发多款芯片，还提出诸多行业见解。
AgentIF-OneDay 发布，评估全场景长时复杂任务
红杉中国 xbench 发布 AgentIF - OneDay 评测体系，用于评估大模型解决复杂任务的能力。该体系从任务复杂度新视角出发，沿 Scaling Context 和 Scaling Domain 推进，构造了三类典型任务进行测评，揭示了主流 Agent 的能力边界。
告别“一眼定生死”：Agent-as-a-Judge 开启 AI 评估的下半场
过去两年，LLM-as-a-Judge成评估界“黄金标准”，但面对复杂任务力不从心。论文《A Survey on Agent-as-a-Judge》指出，应从单一的大模型裁判进化为具备行动能力的智能体裁判，还阐述了其优势、发展阶段等。
稚晖君5000台机器人量产下线！创业仅3年，订单数亿元
33岁的“稚晖君”彭志辉创业仅三年，智元第5000台通用具身机器人量产下线，订单达数亿元。其三大产线机器人各有特点，应用于工业制造、讲解接待、文娱商演等场景。
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。
170亿元产能扩张背后，存储巨头们的产能阳谋
3月25日，南亚科技完成约170亿元定向增发，铠侠等四家巨头认购。当前存储行情火爆，但巨头扩产态度不一。韩国双雄克制扩产、聚焦先进制程；美光较激进；国内厂商崛起。此轮扩产是‘理性繁荣’，也藏风险。
生产级Prompt自动化推理评估A/B实验结果的工程实践
本文围绕生产级Prompt自动化推理评估A/B实验结果展开，介绍系统背景与痛点，展示主Prompt和决策树，用deepseek - r1等模型推理。通过分析Bad Cases优化Prompt，总结设计原则和迭代方法，还给出通用启示与展望。
视频模型假装在推理？MME-CoF新基准评估12个推理维度
视频生成模型如Veo - 3能生成逼真视频，但推理能力存疑。香港中文大学等校研究者设计12项测试，发现模型只能模仿表面模式，未真正理解因果。研究推出MME - CoF基准，为评估指明方向。