「学术搜索评测」共找到 1168 篇相关文章
我用了13年，与SEO前辈们出现在一起。白杨SEO从网站优化到AI搜索优化经历分享，百度SEO不放弃！
白杨SEO分享从网站优化到AI搜索优化经历，讲述入行缘由、职场项目，介绍自由职业业务，分析百度SEO阶段与变化，建议别放弃，还给出对SEO未来看法，如回归国外、做新媒体SEO等。
当世界模型不止「视频」该如何评估？WorldLens提出实用化评估新框架
生成式世界模型在多领域进展显著，但评估存在局限。WorldBench 团队构建 WorldLens 评测框架，从五个维度评测开源世界模型，其评测 EvalKit 已公开，可暴露模型能力边界与失效模式。
Agent记忆赛道大洗牌！LoCoMo-Refined重磅发布，主流记忆框架迎来核心检验
南京大学与上海人工智能实验室联合推出 LoCoMo-Refined，这是严苛的 Agent 记忆评测基准。它指出当前记忆评测基准有两大漏洞，在其标准下主流记忆框架得分普降，且相关数据集和评测脚本已开源。
Auto Research最后一块拼图，Frontier-Eng Bench登场，在工程闭环里死磕最优
Einsia AI旗下Navers Lab论文Frontier - Eng推出新评测范式Generative Optimization，搭硬核评测系统，覆盖47个横跨5大工程方向的任务。评测多种模型，结果显示gpt 5.4最稳健，但距资深工程师水平尚远。
一夜200万阅读，OpenAI神同步！这项测评框架让全球顶尖LLM全翻车
中国团队领衔全球24所高校机构发布评测LLMs for Science能力的论文，一夜阅读近200万，同一时间OpenAI也发文指出现有评测标准在AI for Science领域失灵。论文推出评测体系SDE，发现主流大模型在科学发现上短板明显。
Karpathy加入Anthropic要做的事，被Google提前做了
Karpathy官宣加入Anthropic要组建新团队‘用Claude加速预训练研究’，话音未落，Google&Meta等发论文‘LLMs Improving LLMs’验证了该思路。论文让Claude Code搜索最优推理策略，结果全面超越人类设计。
突发！NeurIPS拒收这类论文，AI学者集体破防
NeurIPS 2026新规拒收受制裁机构论文，引发中国AI学术圈震动，该规则指向OFAC制裁名单。同时，ICML 2026审稿口碑崩盘，评审意见放出后OpenReview宕机，审稿质量遭大量吐槽。
6K星 Qwen围绕Web AI，打造Agent Search新生态
自Manus带火深度研究代理后，新兴方向面临多模态代理推理能力不足等问题。千问2025年推出系列工具完成web智能搜索生态闭合，本文分享WebWatcher训练及解决问题的方法。
Paper2Video：学术研究论文讲解视频自动生成
学术演示视频制作耗力，Show Lab提出Paper2Video基准数据集和PaperTalker多智能体框架，可从学术论文自动生成演示视频。还引入定制化评价指标，衡量学术演示视频效果。
Perplexity不仅没死，而且很强
文章对比通用AI搜索与Perplexity，指出通用AI搜索用于金融投资不够严谨准确，而Perplexity从专业金融API拉取数据，集成权威数据源，准确度高。在此基础上推出的Perplexity Computer功能强大，是严肃工具。