「感知级评估」共找到 1917 篇相关文章
ACL'25 | CIGEval：一种基于多模态大模型的可控生图评测智能体
阿里国际AI团队提出CIGEval，这是基于多模态大模型驱动的图像生成评估智能体框架。它集成多功能工具箱，通过任务拆解与工具调度提升评估准确性与可解释性，已在ComfyUI - Copilot上线。
银河通用WRC首发英伟达Thor，银河太空舱世界首创城市级机器人应用
全球首个城市级常态化运营的人形机器人示范区落地北京。银河通用具身大模型机器人Galbot依托大模型实现精准商品识别与取送，还展示了多场景应用能力。其银河太空舱开启‘十城百店’计划，推动具身智能服务普及。
马斯克将用最强Grok 5，挑战LOL最强战队T1！
马斯克让Grok 5戴「纯视觉感知」与「拟人延迟」镣铐挑战LOL传奇战队T1。这是终极图灵测试，AI像人一样感知与推理。对决为特斯拉Optimus练兵，若AI看懂团战，就能理解现实世界。
OpenClaw一战封神，给大家分享6种官方不会告诉你的神级技巧。
作者分享OpenClaw深度使用体验与6种实用技巧，如本地文件管理、个人知识库管理等，对比多模型后选Claude Opus 4.5为主力，还提及适配Mac及后续计划。
从性能到实战，怎样才算是靠谱的 Agent 产品？
红杉中国团队提出AI基准测试工具Xbench，其双轨测评体系不再单纯执着于测评问题难度，重点量化AI系统在真实场景的效用价值，还构建长青评估机制，以确保评估结果的时效性和相关性。
从科学论文自动生成视频
该项目解决学术演示两核心问题，用智能体PaperTalker生成视频，还设Paper2Video基准评估。介绍了PaperTalker使用步骤，含环境、配置、推理，也说明了Paper2Video评估指标及运行方法。
中国团队首次在Nature子刊发布医疗AI标准，未来医生MedGPT摘得全球桂冠
中国AI医疗公司“未来医生”协同专家制定CSEDB，首次提出评估医疗大模型临床能力的系统性框架，被《npj Digital Medicine》收录。在其评估下，未来医生的MedGPT在主流大模型中夺冠。
AI开始研究Physical AI：FSD级团队亮出首版模型Simate-beta，空降RoboDojo
本文介绍成立仅三个月的Simate公司，核心团队曾打造对标特斯拉FSD的智驾系统，现已推出首版通用物理快系统Simate-beta，登顶RoboDojo，采用AI-native自动化体系研发Physical AI，已开启AutoResearch平台内测，完成多轮数亿元融资。
工业级文本转SQL新思路：成本暴降、超3000列超大数据库依然稳健
华中科大与复旦联合发布AutoLink框架，引入自主智能体，模拟人类工程师工作流。在不输入全量数据库模式下，实现对超大规模数据库模式的高精准链接与筛选，以低Token消耗刷新两大榜单纪录。
揭秘大模型评测：如何用“说明书”式方法实现业务场景下的精准评估
文章系统性介绍业务场景下大模型评测流程，包括需求分析、评测集设计生成、维度设定、任务执行和报告输出。指出评测挑战，如设计维度和集，还给出评测方法及案例，像蚂蚁评测集、业务自动化评测。