「性能评估」共找到 2560 篇相关文章
狂肝一周，测评十余款 PPT AI 生成产品的真实反馈
评估 Agent 产品能力复杂，以 PPT 生成为例，有 Agent 和模板化两种流派。作者选前者投票测评、后者全方位测试。给出方案，还推荐不同需求适用产品，附总榜单和细致体验描述。
智能体新范式Chain-of-Agents，多项任务新SOTA
论文提出Chain-of-Agents (CoA) 范式，结合多智能体系统与工具集成推理优势。通过多智能体蒸馏和智能体强化学习训练智能体基础模型（AFM），实验显示其在Web和Code任务上达新SOTA，效率、泛化性佳。
从BERT到T5再到Qwen3：关于Embedding的八点总结
哈工大30+页综述聚焦通用文本嵌入（GPTE），系统介绍其架构、数据、模型，探讨预训练语言模型（PLM）给GPTE带来的基础能力与高级扩展，还涉及多模态、多语言、代码嵌入等应用。
华人团队终结Token危机：扩散模型数据潜力超自回归三倍
最新研究发现，token数量受限下，扩散语言模型数据潜力超自回归模型三倍多。一个1B参数的扩散模型用1B tokens训练，在基准测试取得不错准确率，且未现性能饱和。
一年成爆款，狂斩 49.1k Star、200 万下载：Cline 不是开源 Cursor，却更胜一筹？！
AI编程助手看似热门，实则多数亏本运营。Cline选择开源，允许用户自由组合LLM编程，个人免费，企业服务收费。它一年成明星产品，获49.1k Star、近200万下载，其创始人分享了产品理念、发展等多方面思考。
因为GPT-5，这群人决定在Reddit上起义。
OpenAI上线GPT - 5时下架旧模型，引发用户不满。在Reddit等社区，用户掀起“还我GPT - 4o”运动，大媒体跟进。奥特曼改口，GPT - 4o回归部分付费用户，免费用户需充值。开发者与用户存在认知鸿沟。
单机狂飙4万亿参数，国产AI「四大天王」首次合体！这台超节点鲨疯了
国产「四大开源天王」可在单机运行，背后是「元脑SD200」超节点。它有超大显存、高速互联域和超强算力，支持64路本土GPU且可商用。浪潮信息以开源为战略加速大模型商业化落地。
The Information：揭秘 OpenAI GPT-5 崎岖的研发之路
The Information揭秘OpenAI GPT - 5研发困境，今年OpenAI遇技术难题，o3等模型研发受阻，内部有分歧。不过GPT - 5在编程等方面有提升，虽难与早期飞跃相比，但改进仍有价值，公司还在开发‘通用验证器’。
解道奥赛题成本5000美元？陶哲轩警告，AI下一步要规模化的「更便宜」
谷歌新一代 Gemini 进阶版在 IMO 竞赛达金牌水平，华人数学家陶哲轩对此关注且担忧。他认为评估 AI 表现应谨慎，AI 发展需从定性转向定量，要‘降本增效’，未来标准化评测很重要。
一夜之间OpenAI神秘模型“o3-alpha”刷爆时间线：远胜 Claude Sonnet
OpenAI神秘新模型“o3-alpha”正在测试，刷爆时间线。早期测试显示其性能超强，能一键生成游戏，前端编码能力远胜Sonnet、o3等。有猜测它是AHC模型或OpenAI将开源的模型。