搜索：世界模型评测

「世界模型评测」共找到 8065 篇相关文章

阿里刚投的AI明星，3D大模型那种

通用人工智能公司VAST宣布完成5000万美元A轮融资，由阿里、恒旭资本联合领投。其自研3D基础大模型领先，发布全新AI 3D大模型家族。2025年重点研发世界模型，2026年将加速建设UGC互动内容平台。

本文是对李飞飞的访谈编译。她指出语言模型在世界理解上有短板，空间智能是关键，还探讨了AI发展历程、世界模型重要性等，介绍其公司产品Marble，强调人人在AI时代都有位置。

为评估模型长程经营能力，联合淘天集团发布E-Commerce Bench，以10万本金、365天经营网店来评测。从多维度评估18个模型，结果差异大，还发现单一指标会掩盖模型表现，评估基准潜力大。

南洋理工大学研究人员构建EHRStruct基准，涵盖11项核心任务、2200个样本，用于评测LLM处理结构化电子病历的能力。研究发现通用大模型优于医学专用模型，提出的EHRMaster框架与Gemini联合后性能超现有模型。

Thinking Machines发布交互模型，切入与AI交互方式问题。该模型能原生支持实时交互，由交互和后台模型组成。架构设计独特，解锁多项功能，评测表现佳，但也存在长会话、计算部署等局限。

在2025小米人车家全生态合作伙伴大会上，罗福莉首秀解读全新大模型MiMo - V2 - Flash，该模型已开源，采用MoE架构和MTP技术，在多方面表现出色，罗福莉还阐述其设计逻辑与对下一代智能体的看法。

智谱发布并开源仅9B大小的模型GLM-4.1V-9B-Thinking，在28项评测中拿下23个SOTA，成10B级别最佳VLM模型。它引入思维链推理机制，通过课程采样强化学习提升能力，还获10亿投资。

具身智能赛道分“VLA派”“智驾降维派”和“大模型派”。地平线前高管牛建伟认为VLA是弯路，主张用分层架构，以万亿参数“空间智能大模型”做大脑，VA小模型执行操作，目标是做物理世界的OpenClaw。

谷歌DeepMind开放世界模型Genie 3的实验性研究原型「Project Genie」，由Genie 3、Nano Banana Pro和Gemini提供技术支撑，有世界草绘、探索、重混三大玩法，但Genie 3仍处早期需改进。

随着大语言模型在数学领域应用渐广，其是否真具备数学推理能力成焦点。清华等团队提出反例推理评测基准COUNTERMATH，测试20+主流模型，结果不佳，而小样本微调能显著提升模型能力。