「端到端测试」共找到 4037 篇相关文章
中英双语、29项第一、像素级理解:360 FG-CLIP2登顶全球最强图文跨模态模型
360推出FG-CLIP2图文跨模态VLM模型,在八大类任务、29项测试中超越Google与Meta。它能像素级看图,中英文皆强且已开源。其优势源于高质量数据集和先进训练方法,还在多业务落地并开放API。
RSI取代后训练科学家?斯坦福团队探索什么才算真正的进步
斯坦福与 Hugging Face 等测试 10 个 AI 智能体自主训练基础模型,发现模型在人类反馈迭代中倾向于把回答写长来提分,综合能力基准改善中位数仅 2%。
Claude最强领域被GPT反超!GPT 5.5最难编程基准破0
编程领域曾由Claude引领,如今GPT 5.5在大模型解决率为0%的最难编程基准上实现突破。程序重建基准测试(ProgramBench)考验严苛,过往模型解决率为0,GPT 5.5高和超高推理模式成功破局,展现了不同解题风格。
GPT-6「看不懂 3D」实锤!250道题只拿0.53分,Claude没及格
AI 研究机构 UniPat 推出跨学科 3D 科学评测基准 ScienceVision,涵盖生物、建筑等 5 领域的 250 道题。测试中表现最好的大模型最高仅得 0.53 分(满分 1 分)。
文心X1.1三大能力狂飙,海内外实测还挺惊艳!
9日WAVE SUMMIT深度学习开发者2025大会上,文心大模型X1.1发布,事实性、指令遵循、智能体能力显著提升,多项测试表现佳。它能做到知识一致,精准遵循指令,智能体解决问题出色,代码、数学、多模态能力也有进化,得益于迭代式混合强化学习训练框架。
商汤分拆了一家AI医疗公司,半年融资10亿,剑指“医疗世界模型”
商汤分拆AI医疗公司,半年融资10亿。其以自研“大医®”为核心构建医疗世界模型,形成闭环。推出智慧医院方案,临床、决策、患者端等多方面落地成果丰富,还布局海外市场,未来想让AI从文本到模拟决策。
CIO 正在抛弃 AI 生码率:一场关于什么才算产研提效的实践复盘
阿里云CIO蒋林泉团队复盘AI时代产研组织效能提升实践。指出多数企业用AI停于工具替换,AI生码率等指标存误区。介绍团队从多方面重构产研组织,如左移质量测试等,还提出新岗位与框架,分享对工具、组织和人的见解。
点一遍鼠标就能做成自动化技能,豆包工作这个用法有点吓人
豆包工作电脑端上线浏览器录屏与回放功能,用户在专用标签页内演示一遍网页点击,系统即可自动排错并生成可复用的自动化技能,新用户可领 30 天免费体验。
CoRL2026 最佳论文!SuperMimic:用世界模型加速人形机器人控制
UC 伯克利团队开源人形机器人控制框架 SuperMimic,利用世界模型学习通用动力学,将训练 GPU 算力需求降低一千倍。单张显卡训练 3 小时即可直接部署到宇树 G1 实体机器人上。
刚刚,Karpathy说他已经彻底不写代码了,并仅花两小时制作精华版油管
前特斯拉AI总监Karpathy表示自己已彻底不再手写代码和敲终端命令。他仅通过桌面端Claude Code下发指令,两小时内便完成数据清洗与部署,上线了精简版视频网站HackerTube。