「评测报告」共找到 1052 篇相关文章
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。
Meta新突破！跨模态生成告别噪声：流匹配实现任意模态无缝流转
Meta与约翰霍普金斯大学联合推出CrossFlow框架，实现跨模态生成新突破。它基于流匹配提出新范式，无需依赖噪声分布等，在多任务上媲美或超最优算法，训练成本低、速度快，还能适配多任务。
把 UI 生成接进流水线：基于半监督评测体系的 UI 自动化生产实践
本文来自蚂蚁集团黄兆嵩在 QCon 2026 的演讲，探讨生成式 UI 技术重塑生产方式。提出系列工程实践，包括高质量生成、LUI 场景应用及质量监控迭代，让前端生产自动运转、用户体验随需而变。
刚刚，豆包「成精」了！一夜告别机械感，上亿人手机全量上线
字节跳动Seed团队发布原生全双工语音大模型Seeduplex，已在豆包App全量上线。它边听边说、懂思考停顿、抗干扰强，解决了精准抗干扰与动态判停难题，工程上也有突破，提升了交互体验。
检索做大，生成做轻：CMU团队系统评测RAG的语料与模型权衡
CMU团队在最新ECIR接收论文中，系统评估RAG语料规模与生成模型规模替代关系。实验表明，语料扩容可让小模型追上大模型，提升主要来自证据覆盖。研究为RAG系统提供更具性价比提升路径。