「基准构建」共找到 2659 篇相关文章
AI七个月突破数学家“围剿”反超人类！14位数学家深挖原始推理token：不靠死记硬背靠直觉
大模型o3 - mini - high在7个月内，于FrontierMath基准测试中，答题得分从2%提升到22%，超人类团队平均水平。数学家分析其推理记录，发现它靠直觉而非死记硬背解题，但也存在缺乏创造力等局限。
多模态大模型不会画辅助线？最新评估得分：o3仅25.8%，远低于人类82.3% | 清华腾讯斯坦福联合
清华、腾讯、斯坦福等团队发布RBench - V基准测试，评估大模型视觉推理能力。结果显示，主流大模型如o3、Gemini2.5等准确率远低于人类，开源模型表现更差，暴露出大模型在复杂多模态推理任务中能力不足。
大模型狙击黑产：挚文集团社交生态攻防实战全揭秘
挚文集团生态技术负责人李波在AICon大会分享大模型在社交生态落地实践。介绍集团生态问题，提出构建治理框架，还阐述多模态大模型研发方案、细粒度用户画像建设及审核侧应用，最后总结现状并展望未来。
金融AI的年度大考交卷了：2万名选手、30+家机构、百亿级数据开源
八月末上海举办的AFAC金融智能创新大赛（AFAC2026）总决赛，吸引众多顶尖选手。赛题模拟真实金融场景，涵盖数据规模、反馈少等难题。四届赛题反映金融AI技术迁徙，还开源百万金融智能数据集，构建数据飞轮。
独家 | 华为天才少年楼燚航离职创业，要做 200B 以上的「具身大脑」
前华为“天才少年”楼燚航离职创立引力蓝移，定位构建具身大脑。其采用分层架构，认为具身智能Scaling拐点已至，规划了数据来源和模型参数规模。正与汇川合作，按24个月规划推进，面临产品验证挑战。
4.8K Star！一套面向设计工程师的 AI 编码智能体 UI 技能集合！
前端开发中AI生成代码质量参差不齐，ui - skills项目应运而生。它由开发者ibelick创建，是面向设计工程师的UI技能集合，将开发经验转化为规则，通过CLI工具让AI按规则构建和审查代码，已获4.8k Stars。
Claude Code之父最新判断：AI时代团队分工被重写，这「五种人」最吃香
近日，Anthropic Claude Code 团队负责人 Boris Cherny 提出，随着职能融合，团队传统岗位标签将被 5 类新型角色取代，且成员角色不固定，需随项目变化，此观点引网友热议。
独家丨数千万天使轮融资，中科院背景团队「熵旋芯智」押注存内概率计算
AI 科技评论独家消息，熵旋芯智获数千万元天使轮融资，由英诺天使基金领投。该公司是国内唯一基于 MRAM 构建存内概率计算平台的企业，采用全栈软硬协同策略，有望大幅提升能效比，计划 2027 年初交付芯片。
全球首个完全AI编写的训练框架来了，速度反超英伟达：面壁要用 AI 把国产算力软件重写一遍
面壁智能发布全球首个全由AI编写的训练框架ForgeTrain，在华为昇腾系列上验证，速度超英伟达Megatron 10%。其构建分三阶段，目标是为不同需求“现场锻造”软件，还为国产算力软件生态赶超提供新思路。
为老父亲做的桌面 Agent，不小心在 GitHub 霸榜一周
OpenHuman是TinyHumans AI构建的开源桌面AI Agent，登上GitHub榜单并霸榜一周。它想成桌面级个人AI操作系统入口，但使用体验与愿景有差距，工程架构有亮点，也存在安全风险，其产品哲学有价值但执行粗糙。