「进化式评测系统」共找到 2776 篇相关文章
Sora 2 惊现 LLM 推理能力，视频生成模型也能搞推理？
Sora 2在科学推理基准测试中获55%成绩，虽不敌GPT - 5，但一个视频生成模型能做推理令人惊讶。Epoch AI实验发现其可能借LLM重写提示词答题，网友也证实背后或有GPT - 4o等处理。此外，Google研究显示视频模型经大量训练或有推理能力。
Thinking Machines新发现：Lora不是权宜之计，哪怕秩低到 1，也能匹敌全参数微调
Thinking Machines和John Schulman新研究刷新对LoRA的认知，实验显示正确使用时它能匹敌全量微调。团队系统研究训练集与参数关系，有层选择、学习率等关键发现，还给出实用建议，但LoRA在部分场景表现待验证。
又 3 个新 AI Coding 拿了融资，AI 找 Bug 也火了
AI Coding成今年增长最快应用领域，近期又有3个产品获融资。印度Emergent完成2300万美金A轮融资；Rocket.New获1500万美金种子轮融资，欲成综合Agent系统；Vibecode定位App领域，拿940万美金种子轮融资。此外，AI找Bug也火了。
LM Studio宣布支持在Mac上跑Qwen3-Next 80B模型
LM Studio宣布支持基于MLX框架在Mac上运行阿里Qwen3-Next 80B模型。该模型虽总参数量达800亿，但每次推理仅激活30亿。第三方评测显示其4bit量化运行效果好，不过实现GGUF格式支持尚需时间。
想成为一名合格的 AI PM，先抛弃过去那些让你成功的经验
文章指出 AI 产品经理与传统产品经理不同，AI 是会演进的系统。掌握 AI 产品策略是 PM 首要技能，从方向、差异化、设计、部署、领导力五阶段构建策略，还介绍了结构化实验方法，无策略的 PM 将被淘汰。
⼤模型是万能的吗？探索机器学习+⼤模型在某出海投资业务的应⽤
本文基于公共云大客户出海投资业务案例，探讨用AI大模型结合机器学习算法构建投资预算预测与分配系统。历经三版方案迭代，从纯大模型到引入机器学习算法，目前项目处于落地阶段，有望实现多方共赢。
Devin CEO：别搞多智能体！Anthropic：我们性能提升90%！
最近，开发Devin的Cognition CEO发文称不要构建多智能体系统，而Anthropic分享构建多智能体研究系统，性能提升90%。Cognition认为多智能体协同难，坚持单线程线性Agent；Anthropic用工程设计绕开瓶颈。二者因任务类型不同观点有别。
深度拆解：为什么通用 Agent 的下一站是 Agentic Browser？
文章指出 2025 年 AI 圈新风暴眼 Agentic Browser 正形成。从 Perplexity 故事讲起，阐述传统系统和浏览器限制通用 AI 发展。厘清通用 Agent、AI 搜索等概念，分析 Agentic Browser 成通用 Agent 下一站的原因，预测 OpenAI 相关产品秋季前发布。
苹果憋一年终超同参数 Qwen 2.5？三行代码即可接入 Apple Intelligence，自曝如何做推理
今年 WWDC 大会上，苹果推出专为增强 Apple Intelligence 功能的语言基座模型，含约 3B 参数紧凑型与基于服务器的混合专家模型。经优化可在苹果芯片高效运行，改进工具使用与推理能力，评测显示设备端模型表现优。
Auto Research时代，AI Scientist的第一场药企实习考验｜甲子光年
AI Scientist从大模型做题家进化为自动化科研助手，但从demo到应用面临买单难题。Phylo等团队构建BiomniBench评估框架，让AI做药企真实数据分析，结果显示AI表现超人类实习生，且有速度和成本优势，但也存在偏科问题。