「测试评估集」共找到 2691 篇相关文章
jina-reranker-v3刷新全球重排榜，效率狂飙4.79%
jina-reranker-v3作为LLM时代向量模型，提出“最后但不晚”交互机制，解决文档检索效率与效果权衡、多语言文档重排性能与效率平衡、模型泛化能力和适应性等问题，架构与训练方案有创新。
斯坦福新论文：微调已死，自主上下文当立
斯坦福大学等机构研究人员新论文指出，依靠上下文工程，无需调整权重，模型也能变聪明。他们提出智能体上下文工程ACE，不依赖模型重训，让上下文自主进化，在多场景测试中表现优于多种方法。
协同加速，多机器人协作不再「慢半拍」！软硬一体化框架ReCA破解具身智能落地效率瓶颈
佐治亚理工学院等团队推出集成加速框架 ReCA，针对多机协作具身系统，从算法、系统、硬件跨层协同优化，经评估，实现 5 - 10 倍速度提升且成功率升 4.3%，为具身智能落地奠基。
Thinking Machines曝LoRA终极指南：10倍学习率，媲美全参微调
Thinking Machines推出论文《LoRA Without Regret》，研究LoRA与FullFT达到相近表现的条件。通过实验发现，把握关键细节，LoRA可与FullFT性能相当，还探讨了关键因素、批大小效应等内容。
CAIR开源发布超声基座大模型EchoCare“聆音”，10余项医学任务性能登顶
2025年9月17日，CAIR开源发布超声基座大模型EchoCare“聆音”。它基于超450万张影像数据集训练，在10余项医学任务测试中表现卓越。首创结构化对比自监督学习框架，为AI医疗应用提供创新路径。
Nano Banana不及格，开源模型一分难求！上海AI Lab新基准直击文生图模型痛点
上海人工智能实验室等联合发布首个多学科文生图考试基准GenExam，覆盖10学科、1000题。实验显示，GPT - 4o严格评分正确率仅12.1%，开源模型接近0分，暴露出模型在专业场景的短板。
一块画板，Nano Banana，无限创意：谷歌新工具实测
谷歌Labs推出AI概念板Mixboard，由Nano Banana图像模型驱动，整合Gemini 2.5 Flash模型。可上传个人图像混合编辑，适合设计师等。现仅在美国公开测试，速度快，操作便捷，能高效验证想法。
Marble登场！告别不稳定与变形，持久探索3D世界
李飞飞团队World Labs推出Marble并开放有限测试预览，基于图像或文本提示可生成3D世界，具有持久、稳定、风格多样等特点。用户能导出使用，在浏览器自由导航，虽有局限但潜力大。
沉寂一个月，openPangu性能飙升8%！华为1B开源模型来了
华为发布专为昇腾端侧硬件打造的openPangu Embedded - 1B模型，仅10亿参数却性能卓越。它运用多阶段训练和优化，在权威基准表现亮眼，V1.1平均分较上月跃升超8%，还介绍了背后技术。
蚂蚁开源MedResearcher-R1医学知识图谱+多跳推理
医学领域需处理复杂关系，现有医学AI系统缺乏对罕见实体和复杂关系的推理能力。MedResearcher - R1通过专门图谱和检索工具，结合两阶段训练范式解决问题，在医学基准测试取得新成果。