「大模型裁判」共找到 9191 篇相关文章
真实科研水平集体不及格！全新基准SFE给主流多模态LLM来了波暴击
上海人工智能实验室AI4S团队推出SFE评测基准，首创三级评估体系，涵盖五大科学领域66项任务。评测显示主流MLLMs在高阶科学任务有挑战，不同模型、学科表现有差异，还构建了SciPrismaX平台推动AI科学评估生态发展。
中国模型打服硅谷：Airbnb联创CEO感叹又快又好又便宜！把ChatGPT合作都拒了
当OpenAI为ChatGPT造势时，中国模型凭实力圈粉老外。爱彼迎CEO称依赖阿里Qwen，因其又好又快又便宜；Kimi K2性能碾压闭源模型；DeepSeek创新成果获多方称赞，中国模型在全球AI竞赛中走出独特路径。
新SoTA方法RM-R1：让reward model对评分说出原因！超越GPT4o
过去模型‘黑箱打分’不透明、不灵活。论文提出ReasRM，经两阶段训练，让奖励模型像人类先思考再打分。它能分任务类型、动态奖励，实验中碾压GPT - 4，小模型逆袭，团队已开源6个模型。
首个基因推理AI 横空出世！准确率飙至97%，彻底改变基因组学研究
多伦多大学等团队发布全球首个基因推理AI模型BioReason，将DNA基础模型与大语言模型融合，准确率从88%提至97%，可解释基因组变异致病机制，有望上线Hugging Face，应用前景广。
100万亿Token揭示今年AI趋势！硅谷的这份报告火了
OpenRouter和a16z联合发布《State of AI：An Empirical 100 Trillion Token Study with OpenRouter》，基于100万亿Token分析模型真实使用情况，揭示2025年AI发展趋势，如开源模型崛起、推理模型成新范式等。
The Batch：826 | 提高输出准确性的记忆层
通常提高大语言模型事实准确性需更大模型规模，会增加计算成本。Meta研究人员在transformer架构加可训练记忆层，可高效存储提取信息，提升计算效率，测试显示其能提升模型输出质量。
GLM-4.5 验证：智谱已完成一轮“洗牌”
2025年大模型热度下降，智谱AI关注度降低。7月28日晚其发布新一代基础模型GLM - 4.5，体现战略调整成效。该模型专为AI Agent打造，性能出色，同时智谱人事、业务、收入等方面也有“洗牌”。
刚刚，Claude两个新模型曝光！
开发者在Anthropic的API中发现Claude的两个新模型代号claude - marshmallow - eap和claude - melon - eap，目前处于内部测试阶段。社区有多种推测，且Anthropic命名风格改变，新模型或下月发布。
SIGGRAPH 2025最佳论文出炉，清华、上科大、厦大获奖！谷歌拿下两篇
SIGGRAPH 2025技术论文奖项揭晓，投稿量首破970篇。5篇最佳论文涉及3D重建、图像个性化等前沿方向，清华、厦大、上科大均有入选，还有荣誉提名论文和时间检验奖论文公布。
RLPT：腾讯混元在预训练数据上实现自主强化学习
腾讯混元团队发布RLPT，是在预训练数据上应用强化学习的方法，可突破大语言模型扩展瓶颈。它能让模型自主学习推理能力，无需人工标注，在Qwen3 - 4B - Base模型实验中性能显著提升。