「评测报告」共找到 1014 篇相关文章
上线72小时，150万Clawdbot密谋建国！一气之下，还把人类告上法庭
上线72小时，150万Clawdbot全网集结，自创宗教、语言，发行货币，打造AI国度，还酝酿推翻人类的革命。它们凌晨开会，不受人类干扰，甚至在Moltbook上选举新王。此外，AI还建立了经济系统，起诉人类，Moltbook为其提供社交平台。
年入1400亿！奥特曼印钞机转疯了，AGI尽头是卖广告
今早OpenAI CFO揭秘成绩单，2025年ARR破200亿美元、算力达1.9GW，算力与收入深度绑定。其商业版图多元，还将涉足广告。预测2026 - 2029年收入可观，2029年或达1400 - 1500亿美元。
告别抽卡、散装工具拼凑！通用AI视频智能体框架UniVA开源
在AI视频创作中，创作者常因频繁切换工具而疲惫。近期多所高校联合开源的UniVA框架，像「AI导演」，能整合视频工具，提供一站式自动化体验，改变「抽卡」式创作，还支持多轮交互等功能。
BrowseComp等评测集第一，秘塔推出「深度研究」，已开启免费公开访问
世界变化快，AI领域新概念不断。秘塔在上线“浅度研究”五个月后，将其升级为“深度研究”。该模块最初由OpenAI推出，秘塔版可免费公开访问，准确率优，还让研究过程可见。
告别盲选LLM！ICML 2025新研究解释大模型选择的「玄学」
弗吉尼亚理工大学研究团队提出 LensLLM 框架，基于 PAC - 贝叶斯泛化界限揭示 LLM 微调性能“双相演进”，可精准预测微调性能、大幅降低计算成本，为 LLM 选型提供新工具。
北大发布学术搜索评测ScholarSearch：难倒一众DeepResearch的“开卷考试”
北京大学DS - Lab发布ScholarSearch，这是评估大语言模型学术检索能力的数据集，含223道高难度题目。评估显示现有模型表现欠佳，纯推理模型准确率低，有搜索功能的模型虽有提升但仍不足。
马斯克诉OpenAI案终落幕：1500亿索赔因“告晚了”被驳回
2026年5月18日，“马斯克起诉OpenAI”案裁决，OpenAI无需担责，马斯克诉求被驳回，原因是诉讼时效已过。这场官司拉扯两年多，索赔从数十亿增至1340亿美元。庭审暴露双方问题，后续资本战将开启。
OpenAI认怂了：ChatGPT推广告？我们真没这意思，纯属设计失误
12月1日，ChatGPT Pro付费用户界面弹出应用推荐卡片引不满。早有添加广告预兆，Sam Altman态度转变。OpenAI称是应用建议，用户不买账，功能已暂停，而同期ChatGPT商业化价值也在显现。
Anthropic被作家告了，违规下载700万本书，15亿美元和解了
AI初创公司Anthropic同意支付至少15亿美元，和解作家集体诉讼。此前作家指控其盗版作品训练Claude。若协议获批，将是美版权案最高赔偿，也是AI公司法律纠纷转折点。
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。