「学术基准测试」共找到 2196 篇相关文章
“GPT-6”Astra能力首次公开！浙大同济校友参与研发
OpenAI为下一代模型Astra（传说中的GPT - 6）拉满预热，公开其能力。它在网络安全测试表现出色，但强大能力带来安全隐患。OpenAI设两道安全闸门，且两位华人研究员参与研发。此外，其新技术或影响可监控性。
TACL 综述 | 别只卷架构了——长文本模型的能力天花板，其实是数据决定的
该 TACL 综述首次从数据视角审视长上下文语言模型，指出长上下文能力本质是数据驱动。它建立分类体系，明确高质量长文数据条件，给出核心能力的数据配方与评估法，还整理数据集和基准，提出待解问题。
DeepSeek，Qwen，Grok组团发布，社区一手实测
LLM大爆发，一天内推出Grok 4.6、Qwen3.8 - Max、DeepSeek - V4 - Pro - 0813三款前沿产品。社区对它们进行多场景测试，如3D场景、Flappy游戏、飞机滑行动画等，并对比了不同模型的性能、价格和输出质量。
混元 Hy3 发布：99% 的任务，够用了
腾讯混元模型 Hy3 正式上线，免费使用两周。它是快慢思考融合的 MoE 模型，主打 Coding 和 Agent 场景，性价比高。作者用它做了多项测试，如制作 PPT、开发代码、舆情分析等，还与 GLM - 5.1 对决，表现不错。
伏曦量子完成天使及天使+轮融资，五源资本、启盈同创等跟投
近日，伏曦量子宣布完成天使及天使+轮融资，由全球动力电池行业龙头领投，多家机构跟投。该公司由赵琦博士创立，定位是帮助产业客户理解和使用量子算力，其核心价值是优化算法，让问题可在近期硬件测试。
当200位具身从业者被拉进同一个屋子
量子位等联合发起沙龙，近200位具身从业者探讨具身智能从实验室走进物理世界的问题。乐聚工程师指出具身数据瓶颈，蚂蚁灵波郑可成介绍模型，上海交大李永露分享评测基准，圆桌对话探讨数据挑战与破局路径。
打工人五一自救指南：把活全甩给AI，准备免打扰出门
五一将至，为避免假期工作内耗，可安装百度智能云打造的AI助手DuMate。它支持多模态理解与生成，能跨应用完成复杂任务。经测试，它可高效处理整理文件、生成报告等工作，还能并行处理多项任务。
GPT-5.5好到不敢睡觉，奥特曼连夜写下五大宣言！
GPT-5.5代号「Spud」，在多项测试中表现出色，开发者实测反馈良好。奥特曼在GPT-5.5发布且口碑好时，写下AI五大原则，称AI要民主化、赋能等，还暗示政府需考虑新经济模式应对AI影响。
西游取经团再出征：小米 Token Plan 能把 Token 价格打下来吗？
4月3日小米发布首款“走字儿”Token Plan计费方案，以Credit换算Token，不同模型换算比例不同，取消使用时间限制。实测MiMo V2 Pro完成任务水平在线，成本约为Lite套餐60％，但Token消耗难预估，其价值取决于任务场景。
最强协作模型？MiniMax M2.7 实测：AI开始更会合作了 | Claude Teams
MiniMax M2.7模型发布，强调模型自我进化、Agent Harness和Agent Teams。它能构建复杂Agent Harness，完成高难度生产力任务。其能力达国际一线水平，在多测试中成绩优异。还介绍了Harness、Agent Teams等概念及应用场景。