「端到端评测」共找到 3019 篇相关文章

新闻资讯8

小扎打赢AI翻身仗?空降新模型长程编程夺冠,3D实测却惨遭打脸

本文报道Meta推出新一代旗舰大模型Muse Wonder系列,第三方评测显示其在长程编程、Agent任务中超越现有顶级模型,扎克伯格称Meta重回AI技术前沿,但实测暴露短板,推理成本大幅上涨。

AI前线
推荐文章9

Kimi 和 DeepSeek,为什么出现在同一张模型架构图里?

本文梳理大模型Attention架构从分流到重组的变迁路径,以MiniMax多次架构调整、GLM-5.3-Flash融合Kimi与DeepSeek技术路线的案例,分析大模型研发的平衡逻辑与行业竞争力核心。

AI科技评论
产品应用9

实时编辑、实时互动视频双旗舰,Vidu S2发布即体验

本文介绍生数科技推出的Vidu S2,专为实时交互编辑设计的AI视频模型,覆盖三类核心能力,公开技术路线,发布当天开放体验与API,迭代仅用69天。

机器之心
产品应用9

OpenAI押注RSI,国产AI火速交卷!Flash叫板万亿大模型

OpenAI、Anthropic先后公开布局递归自我改进(RSI),国内云知声推出搭载RSI自迭代机制的U2-Flash大模型,本文带来实测表现与技术路径拆解,验证小激活规模对标万亿大模型的可行性。

新智元
产品应用8

我用豆包工作做了个学术视频解读生产线

作者尹John分享实操经验,利用豆包工作的云端Agent能力,搭建了从热门论文自动生成学术解读视频的完整自动化生产线,仅需用户少量手机操作即可产出成品,还实现了每日自动选题的定时任务。

AGI Hunt
开源动态9

SGLang 的 DeepSeek-V4.1 Flash Day 0 优化实录:4×B300 上 BS=1 达到 764 tokens/s

本文是SGLang团队的DeepSeek-V4.1 Flash Day 0优化实录,详解了架构适配、KV cache压缩、kernel优化到DSpark适配全流程,公开4×B300 GPU实测吞吐数据,附复现代码与步骤

GiantPandaLLM
算法论文8

T-RO综述重构Foundation Model时代机器人操作知识版图

近日,论文《Embodied Robot Manipulation in the Era of Foundation Models: Planning and Learning Perspectives》被IEEE Transactions on Robotics接收,它以High - Level Planning和Low - Level Action Modeling为主线,梳理Foundation Model时代机器人操作发展,分析了现存问题及关键缺口。

机器之心
新闻资讯8

OpenAI Astra发布在即,全自动网络攻防能力已突破天际!

OpenAI即将发布的模型Astra,在内部评测中获ExploitBench满分,还发现两个零日漏洞。它能力远超上一代GPT - 5.6 Sol且更听话。不过为安全考虑,OpenAI部署监控,还放慢其研究速度。

新智元
新闻资讯8

李飞飞首个多模态世界模型 Atlas 正式发布:从零开始预训练,几张图就能构建世界

李飞飞创办的 World Labs 发布多模态世界模型 Atlas,可原生处理多类型数据,有世界生成、重建和模拟等能力。还介绍其研发历程、技术特点,以及 World Labs 收购、融资等情况。

InfoQ
新闻资讯7

Claude一天3崩!API、App、Cowork全挂,打工人集体抓瞎

8月24日Claude一天崩三次,Anthropic状态页三次变红又宣布恢复,但用户仍打不开。故障从中午持续到下午,波及多个产品。8月故障频发,还存在算力枯竭、模型变笨等问题。

新智元