「开源 Benchmark」共找到 3031 篇相关文章
AI能否独立开展科研？ASI-Bench为科学自主性建立评测标尺
ASI-Bench是衡量AI系统科学自主性的基准测试，由多机构联合开发。它能测试AI通用智能、创新性和执行力，通过信息梯度设计，让模型在不同指导量下完成科研任务，结果显示当前AI离自主科研有明显距离。
闭源RSI的严父来了：18个Agent自主科研，Kimi K3靠Harness逼近Opus 5
开源AI基础设施公司Prime Intellect研究表明，借助多智能体Harness，让开源模型负责监控和实现，可让‘AI开发AI’更便宜、效果更好。实验中，Kimi K3搭配Harness逼近Opus 5。
Opus 5写代码全对，但说话让人想打人。
A社近日状况不断，Claude max 20x被免费薅，share链接隐私信息泄露，拥抱开源组织只剩Anthropic未签字。周五发布的Opus 5写代码出色，但说话啰嗦、判断力焦虑，值得细品。
一个场景吃掉700MB显存！3DGS存储焦虑怎么解？这篇综述划了五个方向
过去三年，3D Gaussian Splatting（3DGS）成实时3D场景重建与新视角合成“默认答案”，但场景拓展后有显存、带宽和功耗限制。香港科大等联合发布综述，从底层数据流组织技术版图，给出优化建议和未来方向。
谷歌大佬盛赞Fable 5！23年前PC神作，40分钟塞进iPhone
谷歌DeepMind高管Ammaar Reshi用Claude Fable 5将2003年游戏《命令与征服：将军 零点时刻》原生编译到iOS，虽有内存等问题，但推动游戏保存流水线成型，即厂商开源+社区移植+AI编译。
25个实战案例告诉你：原来 Blender + Seedance 才是AI视频创作的终极组合！
文章介绍开源仓库Awesome-Blender-Seedance-Workflow-Usecases，汇集25个Blender与Seedance结合的实战案例。阐述两者组合原理及优势，展示多类案例亮点，还给出快速上手指南，体现人机协作创作新理念。
冷门新语言AI写不动？IEEE论文：从零到及格线，MoonBit给出完整训练路线
IEEE论文聚焦新语言MoonBit和Gleam，探讨大模型代码生成能力。研究发现大模型零样本生成新语言代码能力差，few - shot和RAG有提升但有限，继续预训练及指令迁移可显著提高模型表现。
不安全指令，一拒了之？TRIAD用三路决策：修复AI智能体的危险计划
墨尔本大学团队开源TRIAD框架，将传统二元护栏决策扩展为继续、更新、拒绝三类。通过自然语言反馈引导Agent修正计划，在ASB和AgentHarm评测中，显著降低攻击成功率，提升正常任务完成率。
留给人类数学家的悬赏不多了！谷歌DeepMind一口气解决9道埃尔德什问题
AI进军数学界速度惊人，谷歌DeepMind发布由Gemini驱动的AlphaProof Nexus框架，解决9个埃尔德什开放问题，还证明44个猜想、搞定代数几何难题、改进凸优化理论边界，推理成本低且代码开源。
CVPR 2026 | 谷歌DeepMind重磅开源多模态TIPSv2：实现Patch-Text对齐的最优表现
谷歌DeepMind推出多模态TIPSv2，解决图像块与文本嵌入对齐难题。它有三大核心技术创新，在9项任务和20个数据集表现出色，特征图优势显著，且配套生态完善，为AGI预训练指明方向。