「测试时扩展技术」共找到 4665 篇相关文章
GPT-5准确率不足40%！北大发布多模态、高难度化学基准SUPERChem
北大团队发布多模态、高难度化学基准SUPERChem，构建评估大语言模型化学推理能力新体系。测试显示，GPT - 5准确率仅38.5%，与低年级本科生相当，且模型在高阶推理有短板，该基准为模型优化指明方向。
Runway Gen-4.5刷屏发布，把重量、尘土和光影都做对了，网友：颠覆
Runway Gen-4.5突袭发布，获“视频生成AGI时刻”评价，在Artificial Analysis测试中拿下SOTA。它能精准执行复杂指令，物理还原与视觉精准度强，官方将逐步开放使用权限，还直言其存在因果推理等局限。
朱啸虎投的第一个AI硬件公司，又完成一轮融资
AI眼镜创业公司Gyges Labs完成Pre A+轮融资，此前由朱啸虎的金沙江创投领投。其CEO邓旭东提出“Glass First”理念，以自研技术DigiWindow实现极致外观，还以“功能减法”换“体验加法”，未来将布局可穿戴设备。
4倍速吊打Cursor新模型！英伟达数千GB200堆出的SWE-1.5，圆了Devin的梦！实测被曝性能“滑铁卢”？
Cognition推出全新AI编码模型SWE-1.5，专为软件工程任务设计，运行速度快，在基准测试中成绩良好。它基于GB200芯片训练，有定制编码环境，开发有新战略，还与Cursor新模型Composer对比引发关注。
中科院联合清华等发布视觉语言行动推理模型VLA-R1，让机器人先思考再行动
中科院自动化所、清华和GigaAI联合发布视觉 - 语言 - 行动模型VLA - R1，让机器人先思考再行动。它通过构建数据集教模型思维链，结合监督微调与强化学习提升性能，经多场景测试表现出色。
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。
刚刚！软银系创始人4个月打造机器人超级黑马，获2轮近亿元融资
9月23日，成立仅四个多月的具身智能机器人企业浩海星空，获浙江仙通4000万战略投资。其创始人齐建伟有二十年技术积累，浩海星空精准卡位，选教育等场景破局，还前瞻布局双足人形机器人。
全国首部AI大模型私有化部署标准，公开征集起草单位和个人！
近期AI领域政策频出，企业对人工智能应用需求攀升，倾向私有化部署，但面临诸多问题。由智合标准中心组织起草的《人工智能大模型私有化部署技术实施与评价指南》团体标准立项，现征集起草单位和个人。
网友：马斯克杀死了人类出生率
Grok推出带二次元虚拟形象的AI伴侣功能，引发网友热议。技术问题修复后，外观、道德等方面遭质疑。一直呼吁提高生育率的马斯克推出此功能，被指是“生育率杀手”，但也有人认为其或提高出生率。
RAG终极框架！港大开源RAG-Anything：统一多模态知识图谱
香港大学黄超教授团队发布开源项目RAG - Anything，构建统一多模态知识图谱架构，解决传统RAG技术局限。它能处理多类型异构内容，提供端到端方案，有多种优势及应用模式，还给出部署指南和未来展望。