搜索：推理质量评估

「推理质量评估」共找到 3139 篇相关文章

高效大规模创新3D重建模型iLRM

多数基于Transformer架构的模型处理多视图输入有可扩展性问题，成均馆大学、延世大学研究人员提出创新3D重建模型iLRM。它通过迭代细化机制生成3D高斯表示，有独特架构设计和高效注意力机制。

微软亚洲研究院提出全新语音生成模型 VibeVoice，采用 next - token diffusion 机制，能将文字脚本转为最长 90 分钟、最多 4 人对话的高质量播客音频，在多方面有显著优势，未来潜力大。

淘天集团未来生活实验室团队提出首个3D动作游戏专用VLA模型CombatVLA，已被ICCV 2025接收。它能处理视觉输入输出动作指令，在战斗理解准确率和执行速度上表现优异，还构建了评测基准等。

CMU博士生Tairan He测试发现GPT - 5答错‘一只手有几根手指’问题，指出语言难满足视觉与机器人领域需求，需VLM和VLA模型。编辑部测试发现顶尖大模型面对常识问题也会‘翻车’，还探讨了应对方法。

本文分享阿里团队实践，用AI开发工具Cursor结合Claude模型，10天重构超3000行前端组件实现跨端复用。介绍代码辅助、测试用例生产、代码智能生产经验，提出新开发范式，强调规范和人工校验重要性。

OpenAI首席科学家访谈时被要求禁止透露重要员工名字，因Meta常挖人。GPT - 5将发布，奥特曼谨慎应对。此外，还介绍了OpenAI研究方向、瓶颈，以及其他公司在挖人大战中的举措。

OpenAI前研究员、Meta成员毕树超在哥大演讲指出，AGI需高质数据、好奇驱动探索与高效算法，Scaling Law有效，规模决定智能，终身学习是重点，还探讨了AGI面临的诸多问题与挑战。

五源小酒馆对话三位AI Agent前沿研究者，探讨其发展进展、挑战。他们分享对Agent定义、能力边界判断等，提及过去技术突破，如DeepSeek工作，也指出通用Agent瓶颈，探讨未来模型能否提有价值问题等。

7月国产开源大模型竞争激烈，智谱发布的GLM - 4.5刷新开源大模型编程和agent能力。它成本低、速度快，还能与Claude Code配合。文章介绍该模型特点，分享二者使用教程及原型设计、网站开发等实测案例。

OpenAI研究员指出传统基准测试难衡量AI实际效用。复旦大学与字节跳动等团队提出全新评测范式EvaLearn，以连续问题求解为核心，构建问题并设评分标准，对九个前沿大模型研究有诸多发现。