「测评提升」共找到 3052 篇相关文章
RL 效率无损飙升 3 倍：厦大-Shopee-清华联合首创，将投机解码首次引入 RL，推理能力稳如初！
传统RLVR训练中，rollout阶段耗时成瓶颈。厦大 - Shopee - 清华联合团队提出SPEC - RL，将投机解码引入RL，训练提速2 - 3倍，避免重复生成，与主流算法兼容，在多项基准测试中性能稳定。
230个大模型在婴幼儿认知题上集体翻车！揭秘多模态大模型的核心知识缺陷
ICML 2025研究揭示多模态大模型在基础认知能力上表现不佳。研究者建测评题库CoreCognition测试230个主流模型，发现其存在核心知识缺陷，扩规模难补短板，还需补齐核心知识。
深夜炸场！Claude Sonnet 4.5上线，自主编程30小时，网友实测：一次调用重构代码库，新增3000行代码却运行失败
Anthropic推出Claude Sonnet 4.5，号称‘世界上最好的编码模型’，持续运行时长、推理等能力提升，‘幻觉’等问题改进，Claude Code也有更新，开发者实测有惊喜也有问题，新一轮AI‘内卷’开启。
京东AI「结果」：深度应用已成当下，万亿生态瞄准未来
9月25日，“2025京东全球科技探索者大会”展示了京东AI的深度应用成果。京东发布全新JoyAI大模型及三大AI产品，展示其在多场景的应用，还升级多个平台，未来三年将投入带动万亿规模AI生态。
新版 Android 插件登场，应用能瘦身 50%，Google 把代码优化和资源压缩合二为一
Google在新版Android Gradle Plugin引入资源压缩优化方案，合并代码优化与资源压缩。新方案让应用体积最高缩减50%，开发者有四种优化方式可选，AGP 8.12.0已提供该流程，AGP 9将默认开启。
AIME'25满分炸场！Qwen一波七连发，全家桶大更新
云栖大会上，通义团队成果丰硕。Qwen3-Max性能提升，数学评测满分，多测试成绩优异；Qwen3-VL、Qwen3-Omni等开源，各有亮点；Qwen3-Coder升级。吴泳铭称要发展超级人工智能。
百度Qianfan-VL，发票/图表/合同等PDF识别94.75%刷新纪录！
当前主流视觉 - 语言模型在企业级应用有难点，百度千帆团队提出Qianfan - VL系列多模态大模型，在通用和企业级任务表现出色，基于自研芯片训练，还提供框架与管线降低成本。
出价算法新SOTA——快手首提生成式强化学习出价
文章介绍快手新提出的生成式强化学习出价模型GAVE，回顾出价算法发展历程。GAVE结合生成式与强化学习优势，有Score-based RTG等创新，经竞赛、实验验证效果佳，为出价技术带来新方向。
AI 引领的企业级智能分析架构演进与行业实践
在 QCon 全球软件开发大会（北京站）上，数势科技 AI 负责人李飞分享了企业级智能分析架构演进与实践。探讨了智能分析落地问题，介绍 Agent 结合数据分析优势、技术路线及落地要点，还对 Agent 发展给出思考与展望。
编程通缩——当代码一天比一天便宜会发生什么
文章探讨编程通缩现象，即AI使软件开发成本等下降。它不同于传统通缩，由生产力提升驱动，会带来延迟与实验、质量两极分化等悖论，还会加速创新，人们应培养相应技能适应。