「AI测试集」共找到 10839 篇相关文章
比思维链准43%！逻辑脑+大模型直觉，推理可靠性大幅提升
中德研究团队发布成果，给大模型外挂「逻辑脑」，结合答案集编程与LLM，构建神经 - 符号框架，提升空间推理准确率，让AI能说清逻辑、跨任务迁移，迈向更可靠的通用推理。
大模型“拼好题”，45K数据撬动18%提升，数学问题拒绝死记硬背 | MathFusion
上海AI Lab等团队提出MathFusion，通过三种“融合策略”生成新的融合数据集MathFusionQA，仅用45K合成指令，在多基准测试中平均准确率提升18.0个百分点，增强模型解决数学问题的能力。
这个春节，AI 不聊天了，开始替我买单
马年春节，腾讯、百度、字节跳动等大厂打响「AI 春节大战」。阿里旗下千问 APP 投入 30 亿启动「春节请客计划」，活动首日成绩显赫，还展示了跨应用调度等能力，探索出独特的「超级 Agent」路线。
RunAnywhere：简单几步让AI应用跑在手机上
介绍能在手机本地运行的大模型项目RunAnywhere，它让开发者在iPhone 16 Pro Max部署Llama 3.2 3B模型。AI处理本地化，用React Native和RunAnywhere SDK，支持多模型，有多种功能，优势明显。
梅涛的视频AI创业，最新产品来了
本文来自量子位，对梅涛旗下智象未来发布的AI视频创作智能体Vivago R1进行深度实测，介绍产品定位、技术架构，分析AI视频赛道分化路线，分享实测体验，探讨AI创作工具发展方向。
从Chat、Code到Discovery，AI开始学着做科学家
本文报道AI发展进入全新阶段，任务从聊天、写代码拓展到自主科学发现，介绍PhAI Labs推出的DFM系统，分享架构设计与落地案例，分析行业痛点与解决路径。
52个人用AI做PPT，年赚7个亿
在2025年，硅谷AI公司多“烧钱换增长”，Gamma却靠一款AI PPT工具，52人年入上亿美元，估值达21亿美元。它曾遇困境，后借AI逆袭，还分享独特运营哲学。
40位数学家组成8队与o4-mini-medium比赛，6队败北
Epoch AI安排40位数学家组成8支战队，与OpenAI的o4 - mini - medium模型对决，考题来自高难度的FrontierMath数据集。结果AI以6:2击败人类，不过Epoch AI认为AI未明显超人类，但很快会达到。
万万没想到，大学生都开始拿AI来养猪了
夸克在中国人民大学分享会曝光大学生使用情况，每10个大学生中有7人用夸克，AI渗透率达80%。学生不仅用其学习，还用于生活。不过夸克高考曾出现信息错漏，后已修正。
谷歌痛失王座？港科大贾佳亚团队DreamOmni2开源，超强P图暴击Nano Banana
港科大贾佳亚团队开源DreamOmni2，该模型基于FLUX Kontext，能处理多参考图像，在多模态编辑与生成上表现出色，超越谷歌Nano Banana等模型，还构建了新测试集与数据构建范式。