「基准数据集」共找到 3287 篇相关文章
Attention真的可靠吗？上海大学联合南开大学揭示多模态模型中一个被忽视的重要偏置问题
上海大学曾丹团队联合南开揭示Vision - Language Models中普遍的attention偏置问题，提出无需重训的去偏方法，在多模型、策略及基准上验证有效性，为多模态模型部署提供新思路。
硅谷刷屏的ClawdBot，让Mac mini卖爆了！创始人爆料：一人开发、100% AI 写代码，全开源却留 0.00001% 给全网来 hack
个人 AI 助手 ClawdBot 席卷硅谷，网友评价高，项目已开源获 20.8k stars。它几乎 100% 用 AI 写代码，协作方式激进，创始人还留 0.00001% 作为“安全靶子”。其功能强大但有安全隐患，还带火了 Mac Mini。
5行代码，逼疯整个硅谷！澳洲放羊大叔，捅开AI编程奇点
澳大利亚养羊大叔Geoffrey Huntley的5行代码Ralph-Wiggum循环震动硅谷。它让Claude Code和Cowork发展，开发者用其屡创佳绩。该技术强调失败价值，虽有局限，但预示软件开发行业深层转型。
用户痛点发现器
用户痛点发现器是个Web应用，能从社交媒体自动发现用户核心痛点，支持聚类分析和AI产品方案生成。它可输入关键词抓取抖音视频和评论，用GLM-4.6模型分析，还有优先级评分等系统。
“机器人一次性卖完太亏！”真机智能刘智勇：今年中国本体厂商将大淘汰，拼的是世界模型？
本文是《2025 年度盘点与趋势洞察》系列之一，InfoQ 采访真机智能刘智勇，探讨具身智能。涉及 VLN 技术进展、世界模型作用、落地瓶颈等，还提及商业模式创新，认为 2026 年本体厂商将收缩。
“机器人一次性卖完太亏！”真机智能刘智勇：今年中国本体厂商将大淘汰，拼的是世界模型？
InfoQ采访真机智能刘智勇，探讨具身智能领域进展、技术瓶颈及商业方向。刘智勇指出，VLN技术有进展但导航成功率待提升，世界模型可提升机器人能力，2026年本体厂商将收缩，盈利是核心。
AAAI 2026｜视频大语言模型到底可不可信？23款主流模型全面测评来了
合肥工业大学与清华大学团队推出视频大语言模型综合可信度评测基准 Trust-videoLLMs，对 23 款模型从五维度 30 项任务评测，揭示性能格局，指出模型现存问题，还开源评测框架等。
Hinton最新预言刷屏：谷歌必赢，而且「早该赢了」！
Google凭借Gemini 3、自研芯片、强大数据与研究团队，正在重新超越OpenAI。辛顿认为谷歌会赢，且早该赢了。Gemini 3 Pro在多方面表现出色，而ChatGPT增速放缓，OpenAI面临挑战。
OPPO AI重磅发布：深度研究智能体，离“真正好用”还有多远？我们给大模型做了一次全身体检
2025年，Deep Research成AI热点，OPPO AI Agent Team对大模型评测。发布论文，开源评测基准FINDER和失败分类体系DEFT，揭示AI“装懂”“缺乏韧性”问题，还分析模型表现并给出发展建议。
全面战胜ReAct！斯坦福全新智能体推理框架，性能提升112.5%
斯坦福和MIT团队推出新AI智能体推理框架ReCAP，在长上下文任务中全面超越ReAct，性能提升显著。它通过独特结构和三大机制解决大模型常见问题，虽成本增加，但在关键任务表现出色，潜力巨大。