「测评提升」共找到 3052 篇相关文章
更新啦！我用 Claude Skills 做的剪辑 Agent!识别效果+交互大升级
作者成峰根据用户反馈对剪辑 Skills 做了大改，替换火山引擎音视频识别模型、提升交互界面。改进包括用 API 替代本地模型、重构口误识别系统、设可视化审核界面，还介绍了简单使用方法。
告别RAG相似匹配！百度Agentic-R为多轮搜索重塑检索器
传统检索增强生成（RAG）有“单跳”局限，多跳推理易出错。人大高瓴与百度提出面向智能搜索的检索器训练框架 Agentic - R，采用双视角打分和双向飞轮模式，在多数据集上表现出色。
Nature | 清华&芝大团队：AI让个体科学家“加速”，却让科学边界“收缩”
2026年1月14日，清华与芝大团队在《Nature》发表研究，通过分析4100余万篇论文，揭示AI融入科研的“双重效应”：它是个人科研“加速器”，让使用者产出和职业发展提升；也是科学整体“收缩器”，使集体知识疆域收窄。
大模型哪里出问题、怎么修，这篇可解释性综述一次讲清
来自多机构的研究团队发布“可实践的机制可解释性”综述，通过 'Locate, Steer, and Improve' 三阶段范式，为大模型的对齐、能力增强和效率提升提供方法论，还梳理可解释对象体系和干预手段。
又是中国团队！一条链接出片，电商AI视频迎来「DeepSeek时刻」
电商AI视频此前生成效果不佳，难以用于投放。营赛AI发布的inSai Hilight是“下一代营销视频解决方案”，在权威评测中表现出色，能保证商品和数字人一致性，靠知识图谱等技术实现高质量视频生成。
咖啡机变聪明后，我连咖啡都喝不上了
一位科技记者用升级到Alexa Plus的博世咖啡机煮咖啡遭拒，社区也有诸多类似吐槽。生成式AI助手虽能力提升，但因LLM随机性，在控制场景易翻车，新旧技术切换引发混乱，边界待明确。
刚刚，Cursor又分享了数百Agent并发协作的最佳实践
Cursor分享数百Agent并发协作最佳实践，讲述单个Agent局限，介绍从多方面探索协同方法，如规划者与执行者分工，还展示多个实验成果，总结模型选择等经验，指出多智能体协同仍待优化。
“大鱼吃小鱼”：一文看懂2025年度国内半导体收购
2025年国内半导体领域并购交易超50起创新高，但成功率降至近三年最低。本文盘点多起并购案例，如中芯国际收购中芯北方、华虹半导体收购华力微等，涉及晶圆制造、IP/EDA、设备材料、芯片设计等领域，展现产业整合趋势。
The Batch: 895 | 发起群聊的聊天机器人
如今互联网受AI泛滥化影响，还面临阻止LLM进入的情况。但AI可被设计连接人们，如在聊天中作积极联合力量。研究者做些改变就可行，未来AI或能促人类共同提升。
空间智能终极挑战MMSI-Video-Bench来了，顶级大模型全军覆没
上海人工智能实验室 InternRobotics 团队推出空间智能视频基准 MMSI-Video-Bench，对主流多模态大模型进行评测。该基准题型全面、问题具挑战性，视频数据多样，能针对性测评。结果显示模型与人类差距显著，明确了能力瓶颈。