「数据评测」共找到 2984 篇相关文章
TRM思考奖励模型上线，大模型推理质量终于能量化了 | ICML‘26 Oral
大模型推理评测多只看答案，忽略推理过程。上海多校团队提出TRM，用ME² principle刻画推理质量，DAG-based pairwise evaluation还原结构，训练奖励模型，让推理质量可度量、训练和优化。
不安全指令，一拒了之？TRIAD用三路决策：修复AI智能体的危险计划
墨尔本大学团队开源TRIAD框架，将传统二元护栏决策扩展为继续、更新、拒绝三类。通过自然语言反馈引导Agent修正计划，在ASB和AgentHarm评测中，显著降低攻击成功率，提升正常任务完成率。
7,700+ star 微软 SkillOpt 可以训练的Skill
微软研究院开源了SkillOpt（7700+ star），把Skill文档当成‘可训练的权重’来优化。它有独特的6阶段流水线、核心验证门控、Protected Regions机制，还有SkillOpt - Sleep预览功能，让Skill文档可系统化训练。
独家｜「中科第五纪」完成数亿元A轮融资，率先开启海外商业落地
AI科技评论独家消息，具身智能企业「中科第五纪」近日完成数亿元A轮融资，年内已完成三轮。该公司还收获海外数亿订单。其提出超少样本具身操作大模型等核心技术，形成完整技术体系。
ICML 2026｜表格异常检测能否告别「one-for-one」？OFA-TAD迈向one-for-all通用异常检测新范式
表格异常检测在多领域作用关键，但当前 one-for-one 范式成本高、泛化弱。Griffith 和同济团队提出 OFA-TAD，推进到 one-for-all 范式，在多源数据集训练一次即可迁移，实验表现优异。
去往 Capital One 的俞栋，曾是 Hinton 的「救命恩人」
近日原腾讯AI Lab副主任俞栋加入Capital One。此前他和邓力曾在微软为Geoffrey Hinton雪中送炭，挽救深度学习研究。如今邓力、俞栋等技术大佬纷纷投身金融公司，或是因薪资、挑战和资源等因素。
马斯克暴走官宣：Grok 5就是AGI！五月连轰两代万亿怪兽，OpenAI慌了
马斯克宣称Grok 5就是AGI，5月将连发1T和1.5T两代万亿参数模型。Grok 4.3已上线，4.4、4.5将相继推出，Grok 5正以6万亿参数规模训练。不过，参数能否堆出AGI存争议。
重磅开源！240亿参数力压Nano Banana 2
4月初，京东探索研究院开源JoyAI - Image - Edit图像模型。它是业内首个将「空间智能」写进底层的开源一体化图像模型，能让模型「理解空间，编辑空间」，在电商和具身智能场景极具价值。
前SpaceX引擎元老押注尘封20年的技术，要用太阳能驱动“轨道战斗机”
前SpaceX引擎元老杰夫·索恩伯格创立的Portal Space Systems获5000万美元A轮融资。该公司押注被NASA搁置20多年的太阳能热推进技术，推出‘Supernova’产品，有望解决深空探测瓶颈。
断层碾压Seedance 2.0：神秘「欢乐马」空降榜首，视频AI变天了
周二晚间，代号「HappyHorse - 1.0」的神秘视频生成模型在 Artificial Analysis 平台空降榜首，不论文字生视频还是图像生视频都排第一，拉开 Seedance 2.0 很大差距，不过在「视频 + 音频」综合排名上屈居第二，引发诸多猜测。